Ich greife einen Gedanken auf, der mir seit einiger Zeit nicht mehr aus dem Kopf geht. Er stammt von Robert Spaemann, einem katholischen Philosophen, und ist ebenso schlicht wie unbequem: Bildung ist nicht Ausbildung. Ein gebildeter Mensch ist nicht einfach jemand mit viel Wissen oder mit einer gut verwertbaren Qualifikation, sondern jemand, der Zusammenhänge versteht, urteilen kann und sein Wissen in ein umfassenderes Verständnis von Welt und Mensch einordnet. Bildung, so Spaemann, ist Orientierung. Je länger ich diesen Satz mit mir herumtrage, desto deutlicher wird mir, wie sehr er quer zu vielen gegenwärtigen Debatten steht.

Wer heute über Defizite in Wissenschaft, Politik oder Medien klagt, spricht meist von fehlender Expertise, von mangelnder Professionalität oder von ungenügender Kompetenz. Das klingt zunächst plausibel. Doch bei genauerem Hinsehen beschleicht mich der Verdacht, dass diese Diagnose zu kurz greift. Fachwissen ist so verfügbar wie nie zuvor. Funktionale Fähigkeiten lassen sich erwerben, zertifizieren und laufend aktualisieren. Und dennoch bleibt ein Unbehagen. Was oft fehlt, ist nicht Information, sondern Einordnung. Nicht Können, sondern Urteilskraft. Nicht Eloquenz, sondern #Bildung.

Diese begriffliche Unschärfe ist mehr als ein akademisches Detail. Wenn Bildung und Ausbildung, Kompetenz und Orientierung, Wissen und Verstehen in Eins fallen, verändert sich stillschweigend, was wir von Menschen in verantwortungsvollen Rollen erwarten. Dann genügt es, etwas effizient zu beherrschen, ohne es in einen grösseren Zusammenhang stellen zu können. Genau an diesem Punkt gewinnt Spaemanns Unterscheidung ihre Schärfe. Sie ist ein Massstab für die Gegenwart.

Die Verwechslung

Gerade an der Debatte über generative künstliche Intelligenz zeigt sich, wie sehr wir Bildung und Ausbildung verwechseln. Vor diesem Hintergrund erscheint mir auch diese Debatte in einem anderen Licht. Meist wird die #KI als Bedrohung oder als Effizienzwerkzeug verhandelt. Entweder fürchten wir den Verlust menschlicher Fähigkeiten, oder wir feiern Produktivitätsgewinne. Beides bleibt an der Oberfläche. Denn KI adressiert zunächst Ausbildung, nicht Bildung. Sie liefert Informationen, strukturiert Texte, schlägt Lösungen vor. Was sie nicht kann, ist verstehen, urteilen oder Verantwortung tragen. Bildung lässt sich nicht automatisieren.

Und doch wäre es zu einfach, daraus eine kulturkritische Abwehrhaltung abzuleiten. Gerade in Bildungszusammenhängen kann KI, klug eingesetzt, Räume eröffnen. Nicht als Antwortmaschine, sondern als Gesprächspartnerin. Nicht als Ersatz für Erfahrung, sondern als Anlass zur Reflexion. Wenn sie dazu beiträgt, Fragen zu vertiefen, Perspektiven zu wechseln oder Denkbewegungen sichtbar zu machen, kann sie Breitenbildung unterstützen. Vorausgesetzt, wir verwechseln das Werkzeug nicht mit dem Ziel.

Zwei Stimmen

An dieser Stelle drängt sich mir eine andere Stimme auf, die in der medialen Berichterstattung und in den sozialen Medien der letzten Monate kaum zu überhören ist. Sie klingt ganz anders. Drängend, appellativ und leistungsorientiert. Ihr Kern lautet: Wer jetzt früh versteht, früh nutzt und früh adaptiert, verschafft sich einen entscheidenden Vorteil. KI wird hier nicht als Bildungsfrage, sondern als Karrierethema verhandelt. #Lernen bedeutet vor allem, schneller zu sein als andere. Wer eine Stunde pro Tag experimentiert, sich keine Scheu vor grossen Aufgaben leistet und bereit ist, Teile seiner Arbeit zu automatisieren, wird vorne mitspielen.

Ich halte diese Perspektive nicht für falsch. Sie ist realistisch, wirksam und für viele Menschen attraktiv. Sie trifft einen Nerv unserer Arbeitswelt. Und doch irritiert sie mich. Denn implizit transportiert sie ein bestimmtes Verständnis von Lernen und Bildung. Lernen wird zur Anpassungsleistung, Wissen zur Ressource und die KI zum Beschleuniger. Orientierung spielt dabei kaum eine Rolle. Entscheidend ist, ob etwas funktioniert.

Hier liegt für mich eine zentrale Spannung. Auf der einen Seite steht ein funktionales Bildungsverständnis, das auf Effizienz, Nutzen und individuelle Positionierung ausgerichtet ist. Auf der anderen Seite ein bildungstheoretisches Verständnis, das Lernen als Verhältnis zu sich selbst und zur Welt begreift. Beide Perspektiven schliessen sich nicht aus. Aber sie lassen sich auch nicht nahtlos ineinander überführen. Was verlieren wir aus dem Blick, wenn Bildung auf „Frühsein“ reduziert wird?

Was bleibt

Gerade deshalb scheint mir die Frage nach KI weniger eine technische als eine bildungstheoretische zu sein. Sie zwingt uns, unsere Begriffe zu klären. In Elternhaus, Schule und Erwachsenenbildung entscheidet sich nicht, wie leistungsfähig KI ist, sondern wie wir sie rahmen. Ob schnelle Antworten zählen oder gute Fragen. Ob Output oder Orientierung im Vordergrund steht. Ein Beispiel: Wenn Schülerinnen und Schüler mit KI einen Text schreiben, können sie entweder lernen, wie man ein Werkzeug bedient – oder wie man mit diesem Werkzeug denkt, zweifelt und urteilt. Der Unterschied liegt nicht in der Technologie, sondern in der pädagogischen Haltung.

Eine gewisse Gelassenheit hilft dabei. Technologische Umbrüche verlaufen selten gleichmässig. Sie sind fragmentarisch, widersprüchlich und oft langsamer, als es der öffentliche Diskurs vermuten lässt. Nicht alles verändert sich gleichzeitig, nicht alles sofort. Der Himmel fällt uns nicht auf den Kopf. Aber Übergangszeiten haben es in sich. Sie verlangen nach Menschen, die Zusammenhänge sehen, Unsicherheiten aushalten und Verantwortung übernehmen können. Mit anderen Worten: nach gebildeten Persönlichkeiten.

Vielleicht liegt hier der eigentliche Prüfstein der KI-Debatte. Nicht darin, wie schnell Modelle besser werden, sondern darin, ob wir unsere Unterscheidungen schärfen. Spaemanns Satz wirkt auf mich dabei wie eine Zumutung – aber vielleicht ist gerade diese Zumutung heilsam in einer Zeit, die nach schnellen Antworten verlangt. Bildung ist Orientierung. Wenn das stimmt, dann verschärft KI nicht primär ein Technikproblem, sondern ein Bildungsproblem. Und die Antwort darauf lässt sich nicht automatisieren. Sie beginnt dort, wo wir uns die Zeit nehmen, über unsere Begriffe nachzudenken.

💬 Kommentieren (nur für write.as-Accounts)

Discuss...

Bildquelle Pieter Bruegel d. Ä. (1525/30–1569): Grosser Turmbau zu Babel, Kunsthistorisches Museum, Wien, Public Domain.

Disclaimer Teile dieses Texts wurden mit Deepl Write (Korrektorat und Lektorat) überarbeitet. Für die Recherche in den erwähnten Werken/Quellen und in meinen Notizen wurde NotebookLM von Google verwendet.

Topic #Selbstbetrachtungen | #Maschinenwelten

Michael Gisiger

Erwachsenenbildner und Coach mit 20+ Jahren Erfahrung. Aus philosophischer Perspektive schreibe ich über Produktivität, PKM und Coaching – fundiert und praxisnah.

Website · Mastodon · Nolto · Bluesky · LinkedIn

Es ist ein vertrautes Gefühl: Du starrst auf den Bildschirm, der Cursor blinkt vorwurfsvoll, die Gedanken kreisen, ohne anzukommen. Nicht Ablenkung ist das Problem, sondern eine seltsame innere Blockade. Instinktiv stehst du auf, gehst ein paar Schritte, und plötzlich ordnet sich etwas. Die Lösung war die ganze Zeit da, nur nicht erreichbar im Sitzen. Was wie eine persönliche Marotte wirkt, verweist auf einen grundlegenden Irrtum unserer Arbeitskultur: Wir behandeln den Geist wie einen Muskel, den man durch blosse Anstrengung stärken kann. Länger sitzen, härter fokussieren, schneller reagieren. Doch genau diese Gleichung geht nicht auf.

Unsere Vorstellung von geistiger Arbeit trägt noch immer die Spuren des Fliessbands. Produktivität bemisst sich an Sitzstunden, Effizienz an konstanter Anwesenheit am Arbeitsplatz oder im Homeoffice. Als könnten wir Ideen wie Schrauben am laufenden Band montieren – nur eben mit dem Gehirn statt mit den Händen.

Die Neurowissenschaftlerin Mithu Storoni formuliert es drastisch: „The mind is not like muscle. It rests while it works, and it works while it rests.“ („Der Geist funktioniert nicht wie ein Muskel. Er ruht, während er arbeitet, und arbeitet, während er ruht.“) Was paradox klingt, beschreibt präzise, was jeder kennt: Die Lösung für ein hartnäckiges Problem kommt unter der Dusche oder beim Spaziergang, selten dort, wo wir sie erzwingen wollen.

Die berühmte Zehn-Minuten-Regel von Steve Jobs ist keine geniale Erfindung, sondern banale Konsequenz dieser Einsicht. Wer nach zehn Minuten vergeblichen Grübelns aufsteht und geht, reagiert nicht auf Ungeduld, sondern auf eine neurobiologische Realität: Das Gehirn braucht Zustandswechsel und keine Dauerbelastung.

Zwischen Anspannung und Loslassen

Beim Gehen geschieht etwas Eigentümliches. Der Körper bleibt wach genug, um nicht in Trägheit zu verfallen. Die Aufmerksamkeit aber kann nicht haften bleiben, die vorbeiziehende Umgebung verhindert Fixierung. Du bist präsent, ohne gefangen zu sein. Genau in diesem Zwischenzustand, so zeigen Hirnscans, werden Verbindungen möglich, die im angespannten Fokus blockiert bleiben.

Es ist ein Zustand, den die antiken Philosophen nicht messen, aber nutzen konnten. Aristoteles unterrichtete gehend in den Wandelhallen seines Lykeion – seine Schüler hiessen nicht zufällig Peripatetiker, Spaziergänger. Sokrates führte seine berühmten Gespräche auf Athener Strassen und Plätzen, nicht in Studierzimmern. Selbst die radikalen Kyniker verstanden das Umherziehen als Denkpraxis: Wer stehen bleibt, verstrickt sich in Konventionen.

Diese Tradition beruht auf einer Intuition, die wir verdrängt haben: Denken ist leiblich. Der Geist ist kein isoliertes Rechenzentrum, sondern Teil eines bewegten Körpers in wechselnden Kontexten.

Die Absurdität unserer Büros

Moderne Neurowissenschaft bestätigt nun empirisch, was die Antike praktisch wusste. Und trotzdem richten wir unsere Arbeitsumgebungen so ein, als gälte das Gegenteil. Wir bauen Grossraumbüros für maximale Anwesenheit, messen Leistung in Bildschirmzeit und misstrauen jedem, der aufsteht. Bewegung gilt als Unterbrechung der Arbeit – dabei verlässt man lediglich einen unproduktiven Geisteszustand.

Die Ironie ist perfekt: Wir haben die Mittel, Arbeit neu zu denken. #KI übernimmt zunehmend das, was durch stumpfes Durchhalten zu bewältigen war. Übrig bleibt genau das, was Fokuszwang erstickt: kreatives Problemlösen und komplexe Urteile. Ausgerechnet jetzt halten wir an einer Arbeitsform fest, die für diese Aufgaben denkbar ungeeignet ist.

Was uns fehlt, ist nicht Disziplin

Vielleicht ist das eigentliche Problem nicht mangelnde Produktivität, sondern ein verarmtes Verständnis von Denken selbst. Wir haben den Geist domestiziert, ans Mobiliar gefesselt und in Timeboxen gepresst. Anschliessend beklagen uns dann über Ideenlosigkeit und Erschöpfung.

Die Zehn-Minuten-Regel ist kein Produktivitätshack. Sie ist die schlichte Anerkennung einer Tatsache: Manche Denkprozesse brauchen Bewegung, nicht Beharrung. Nicht als Pause von der Arbeit, sondern als deren angemessene Form. Dass wir dafür heute neurowissenschaftliche Beweise benötigen, sagt wenig über das Gehirn. Aber viel über eine Kultur, die vergessen hat, dass Denken nie nur im Kopf stattfindet. Die antike Philosophie wusste das. Vielleicht ist es Zeit, wieder spazieren zu gehen, nicht obwohl, sondern weil wir zu tun haben.

💬 Kommentieren (nur für write.as-Accounts)

Discuss...

Bildquelle Gustave Caillebotte (1848–1894): Paar beim Spaziergang, Museum Barberini, Potsdam, Public Domain.

Disclaimer Teile dieses Texts wurden mit Deepl Write (Korrektorat und Lektorat) überarbeitet. Für die Recherche in den erwähnten Werken/Quellen und in meinen Notizen wurde NotebookLM von Google verwendet.

Topic #Selbstbetrachtungen | #Philosophie | #Coaching

Michael Gisiger

Erwachsenenbildner und Coach mit 20+ Jahren Erfahrung. Aus philosophischer Perspektive schreibe ich über Produktivität, PKM und Coaching – fundiert und praxisnah.

Website · Mastodon · Nolto · Bluesky · LinkedIn

Die Diskussion um künstliche Intelligenz kreist meist um Effizienzgewinne, Automatisierung und neue Arbeitsformen oder gar den Verlust derselben. Weniger sichtbar, aber mindestens ebenso bedeutsam, ist eine zweite Ebene: die Frage, wie KI unser Denken beeinflusst. In den vergangenen Monaten habe ich mich mit diesem Thema befasst und entsprechende Beiträge und Studien gelesen. Zusammen ergeben sie ein Bild, das mich nachdenklich stimmt. KI nimmt uns nicht nur Arbeit ab – sie verschiebt auch, was wir als geistige Eigenleistung betrachten. Ich möchte in diesem Beitrag darlegen, was wir darüber wissen, warum das sog. Cognitive Offloading im Kontext von KI so stark zunimmt und wie wir aktiv gegensteuern können. Nicht, weil KI per se problematisch ist, sondern weil unser Umgang mit ihr entscheidet, ob sie unser Denken ergänzt oder ersetzt.

Was Cognitive Offloading eigentlich bedeutet

Der Begriff ist nicht neu. Cognitive Offloading beschreibt das Auslagern gedanklicher Aufgaben an Hilfsmittel – von der Einkaufsliste bis zur Navigations-App. Wir tun das täglich und meistens aus guten Gründen: Es entlastet unser Gedächtnis und ermöglicht uns, Ressourcen anderweitig einzusetzen. So weit, so bekannt. Doch generative #KI markiert einen qualitativen Sprung. Wir lagern nicht mehr nur Fakten oder Erinnerungen aus, sondern zunehmend komplexere Denkprozesse: das Strukturieren, Zusammenfassen, ja sogar das Argumentieren. Die Maschine übernimmt Tätigkeiten, die früher als Kern unserer geistigen Leistungsfähigkeit galten. Genau darin liegt die Ambivalenz: KI kann Denken erleichtern oder Denken ersetzen.

Warum KI Offloading so stark beschleunigt

1. Geschwindigkeit ersetzt Auseinandersetzung

Schülerinnen und Schüler geben in einer Oxford-Untersuchung an, KI helfe ihnen, schneller zu denken – allerdings oft oberflächlicher. Dieses „Schneller-sein-wollen“ führt dazu, dass Lernende KI als Abkürzung nutzen. Was verschwindet, ist der Zwischenschritt der eigenen Auseinandersetzung.

2. KI erzeugt polierte Ergebnisse ohne gedankliche Tiefe

Ein Beitrag in der Harvard Business Review beschreibt dieses Phänomen anschaulich: KI kann Präsentationen, Texte oder Berichte generieren, die auf den ersten Blick professionell wirken, aber inhaltlich substanzarm bleiben. In Unternehmen führt das zu „Workslop“ – Arbeit, die zwar formal korrekt aussieht, aber anderen zusätzliche Arbeit verursacht. Das eigentliche Problem: Die polierte Oberfläche verschleiert, dass kein eigener Denkprozess stattgefunden hat.

3. Neurowissenschaftliche Befunde zeigen: Wir denken weniger

Der New Scientist fasst verschiedene Studien zusammen, die zeigen, dass die Nutzung von ChatGPT während anspruchsvollen Aufgaben mit geringerer Hirnaktivität einhergeht. Nicht, weil KI unser Gehirn beschädigt, sondern weil wir weniger kognitiv involviert sind. Die Maschine denkt für uns – und wir lassen es zu.

4. Deskilling: Fähigkeiten bauen sich ab, wenn wir sie nicht nutzen

Wer selten schreibt, verliert seinen Stil. Wer Rechnungen nicht mehr im Kopf löst, verliert das Gefühl für Zahlen. Und wer sich Wissen nur noch generieren lässt, trainiert seine analytischen Fähigkeiten weniger. Genau diesen Prozess habe ich bereits hier in einem anderen Beitrag beschrieben.

Wo die Risiken besonders sichtbar werden

Schule & Hochschule

Jugendliche nutzen KI aus pragmatischen Gründen: Sie ist schnell, freundlich, verfügbar und liefert Erklärungen ohne Peinlichkeit. Die Oxford-Daten zeigen, dass ein Teil der Jugendlichen bereits das Gefühl hat, abhängig zu sein. Besonders gefährdet sind Lernende, die ohnehin Mühe haben, Lernprozesse zu steuern. Für sie wird KI schnell zur Denkprothese.

Gerade im schulischen #Lernen ist jedoch der Weg relevanter als das Ergebnis. Wer Zusammenhänge nicht selbst erarbeitet, baut kein dauerhaftes Wissen auf. Der Verlust findet also nicht im Output statt, sondern im Prozess.

Beruf & Arbeitsleben

Im Arbeitsleben zeigt sich das Problem anders, aber ebenso deutlich. Workslop ist Offloading auf Kosten anderer: Die Maschine produziert etwas, das jemand anderes korrigieren muss. Mitarbeitende berichten laut der HBR-Studie, dass sie viel Zeit damit verbringen, KI-generierten Output zu „reparieren“. Aus kognitiver Trägheit wird organisationaler Schaden. Aus individueller Passivität wird kollektive Ineffizienz.

Alltag & Informationsverarbeitung

Sogar im Privaten nimmt KI uns Entscheidungen ab: Was wir sehen, lesen, kochen, schauen. Informationen werden vorgeschlagen, statt gesucht. Das Denken wird bequem. Doch je weniger wir uns aktiv informieren, desto anfälliger werden wir für Fehleinschätzungen.

Generell gilt: Je häufiger wir Offloading betreiben, desto seltener desto weniger denken wir selber.

Warum es trotzdem keinen Grund zur Panik gibt

Trotz all dieser Befunde, KI macht uns nicht automatisch dümmer. Sie schafft lediglich neue Möglichkeiten, Denkprozesse zu verkürzen. Das Risiko entsteht nicht primär durch die Technologie, sondern durch unser fehlendes Bewusstsein, diese Technologie auch sinnstiftend einzusetzen:

• Wer vor der KI-Nutzung eigene Gedanken formuliert, bleibt kognitiv aktiv.
• Wer KI nutzt, um Ideen zu prüfen statt zu ersetzen, denkt tiefer statt flacher.
• Wer KI nutzt, um Materialien oder Perspektiven zu sammeln, statt ganze Lösungen zu generieren, entwickelt stärkeres Urteilsvermögen.

Mit anderen Worten: KI kann Denkprozesse verstärken – wenn wir sie nicht anstelle unserer Denkprozesse einsetzen.

Die entscheidende Frage: Wer denkt hier eigentlich?

Für mich ist das der Kern: Nicht die Maschine entscheidet, sondern wir. Wer KI ungefiltert arbeiten lässt, gibt die Verantwortung für sein Denken ab. Wer jedoch bewusst auswählt, interpretiert und reflektiert, bindet die Maschine konstruktiv in den eigenen Denkprozess ein.

Ich erlebe in meiner eigenen Arbeit immer wieder, dass KI brauchbare oder sogar sehr gute Dienste leistet, wenn ich mit einer eigenen Hypothese starte. KI kann dann prüfen, ergänzen oder infrage stellen. Problematisch wird es, wenn ich sie frage, was ich denken (oder tun) soll. Lernen, Schreiben, Entscheiden – all dies bleibt letztlich ein menschlicher Prozess. KI kann ihn unterstützen, aber nicht ersetzen.

Wie wir unser Denken erhalten können

Für mich kristallisieren sich dazu fünf Prinzipien heraus, die für Schule, Beruf und Alltag gelten:

1. Zuerst denken, dann KI nutzen Der wichtigste Schritt ist derjenige, der meist als erstes weggelassen wird. Eine eigene Skizze, ein Gedankengerüst oder eine erste Hypothese zwingt uns, aktiv zu bleiben. Studien zeigen: Wer zuerst selbst denkt, bleibt auch beim Einsatz von KI geistig involviert.

2. KI nach Materialien, nicht nach Lösungen fragen Frage nach Materialien, Perspektiven, Quellen oder Gegenargumenten – aber überprüfe diese und lass die Interpretation bei Dir. So vermeidest Du den „Anker-Effekt“, bei dem die erste KI-Antwort Deine weitere Argumentation prägt.

3. KI als Sparringpartner, nicht als Ghostwriter verwenden Mach Dir bewusst, dass KI Texte produziert, die gut klingen, aber keine eigenen Gedanken enthalten. Der Mehrwert entsteht erst durch Dein Urteil. Genau hier unterscheiden sich „Piloten“ von „Passagieren“, wie es der HBR-Beitrag ausdrückt.

4. Denkprozesse sichtbar machen Vergleiche KI-Outputs, kommentiere Unterschiede, markiere Lücken, identifiziere Fehler. Diese Metakognition schützt vor Deskilling.

5. Qualitätsstandards klar definieren Ob Schule oder Unternehmen: Es braucht Normen. KI-Output darf nicht ungeprüft weitergegeben werden. Die Verantwortung für Inhalte bleibt beim Menschen – formell, fachlich und ethisch.

Fazit: KI macht uns nicht dümmer – aber sie macht es uns leichter, uns dumm zu verhalten

Cognitive Offloading ist kein neues Phänomen, aber KI hebt es auf ein neues Niveau. Wir stehen vor einer paradoxen Situation: Noch nie konnten wir so schnell Wissen abrufen, und selten war die Gefahr so gross, dass wir dabei weniger verstehen. KI selbst ist nicht grundsätzlich das Problem. Die Herausforderung liegt in unserem Umgang damit. Die gute Nachrichtist aber, dass wir steuern können, wie stark das Offloading unsere Fähigkeiten beeinflusst. Wer bewusst mit KI arbeitet, bleibt kognitiv aktiv. Wer zuerst denkt und erst nachher eine KI nutzt, sorgt dafür, dass die Maschine das Denken ergänzt, nicht ersetzt. Und wer KI als Werkzeug des Verstehens nutzt – nicht des Abkürzens –, erhält die Tiefe, die Lernen, Arbeiten und Entscheiden ausmacht.

Damit bleibt ein einfacher, aber zentraler Gedanke: KI kann vieles – aber sie nimmt uns nicht die Verantwortung ab, selbst zu denken.

💬 Kommentieren (nur für write.as-Accounts)

Discuss...

Bildquelle Pietro della Vecchia (1602/3–1678): Creation of a Homunculus, Königliches Schloss auf dem Wawel, Krakau, Public Domain.

Disclaimer Teile dieses Texts wurden mit Deepl Write (Korrektorat und Lektorat) überarbeitet. Für die Recherche in den erwähnten Werken/Quellen und in meinen Notizen wurde NotebookLM von Google verwendet.

Topic #ProductivityPorn | #Maschinenwelten

Michael Gisiger

Erwachsenenbildner und Coach mit 20+ Jahren Erfahrung. Aus philosophischer Perspektive schreibe ich über Produktivität, PKM und Coaching – fundiert und praxisnah.

Website · Mastodon · Nolto · Bluesky · LinkedIn

Die Frage, ob KI Schülerinnen und Schüler dümmer macht, wirkt auf den ersten Blick reisserisch. Und doch ist sie berechtigt – zumindest, wenn man sich ernsthaft mit den Veränderungen auseinandersetzt, die KI-gestützte Tools wie ChatGPT im schulischen Alltag auslösen. In einem Artikel in der Frankfurter Allgemeinen Zeitung geht Lisa Becker diesem Thema differenziert nach. Sie beobachtet eine grosse Bandbreite im Umgang mit KI an Schulen: Von Lehrpersonen, die KI gezielt einsetzen, um Lernprozesse zu fördern, bis hin zu jenen, die deren Existenz weitgehend ignorieren.

Besonders aufmerksam macht Becker auf eine Tendenz, die ich selbst im Bildungskontext immer wieder beobachte: Lernende nutzen #KI in hohem Masse eigenständig – meist ausserhalb des Unterrichts, zum Beispiel beim Vorbereiten von Referaten oder für schriftliche Arbeiten. Sie geben Stichworte ein, lassen sich Zusammenfassungen liefern, schreiben sogar ganze Texte mithilfe von ChatGPT. Der Umgang ist pragmatisch, aber überhaupt nicht reflektiert. Die Lehrperson erfährt in vielen Fällen nicht einmal, ob oder wie KI im Hintergrund mitgewirkt hat. Daraus ergibt sich eine entscheidende Frage: Was passiert mit dem #Lernen, wenn zentrale kognitive Prozesse ausgelagert werden?

Zwischen Hoffnung und Kontrollverlust

Auf der einen Seite steht die Verlockung: KI kann Arbeit abnehmen, Inhalte strukturieren, auf Knopfdruck Wissen bereitstellen. Sie ist schneller als jedes Schulbuch, rund um die Uhr verfügbar und – zumindest auf den ersten Blick – unerschöpflich „kompetent“. Für Schülerinnen und Schüler eröffnet sich damit eine neue Form der Lernhilfe: eine Art Super-Nachschlagewerk, das nicht nur erklärt, sondern auf Wunsch auch analysiert, vergleicht oder interpretiert.

Auf der anderen Seite steht die Sorge, dass genau diese Entlastung zur Entmündigung führt. Becker bringt das auf den Punkt: „Gerade schwächere Schüler sind besonders gefährdet, der Maschine das Denken zu überlassen.“ Wer nicht lernt, mit Informationen umzugehen, sondern sie nur abruft, entwickelt keine eigenen Kompetenzen. Das betrifft nicht nur Fachwissen, sondern vor allem Denkprozesse: das Verstehen, Einordnen, Argumentieren – alles Fähigkeiten, die für ein selbstständiges Lernen und Urteilen zentral sind.

Was passiert beim sogenannten Deskilling?

Ein Begriff, der in diesem Zusammenhang oft fällt, ist Deskilling. Er bezeichnet den schleichenden Abbau von Fähigkeiten, weil sie nicht mehr regelmässig genutzt werden. Bekannt ist das Phänomen etwa aus dem Umgang mit dem Taschenrechner: Wer selbst einfache Rechnungen nicht mehr im Kopf durchführt, verliert allmählich die Fähigkeit zum Kopfrechnen. Ähnliches gilt im digitalen Kontext: Wer Texte nur noch mit ChatGPT generiert, übt weder persönlichen Stil noch Ausdrucksvermögen.

Beim Lernen heisst das: Wenn die KI anstelle der Lernenden denkt, formuliert und strukturiert, wird der Aufbau eigener Fähigkeiten unterbrochen. Besonders problematisch ist das bei Schülerinnen und Schülern, die sich ohnehin schwertun, Lernprozesse zu steuern. Für sie kann KI – falsch genutzt – zu einer Art Denkprothese werden, die das Lernen scheinbar erleichtert, es aber langfristig behindert.

Cognitive Offloading: Entlastung mit Risiko

Verwandt mit dem Deskilling ist das Konzept des Cognitive Offloading – das gezielte Auslagern kognitiver Aufgaben an Hilfsmittel. In vielen Fällen ist das nicht nur legitim, sondern klug: Wir schreiben Einkaufslisten, nutzen Kalender oder speichern Telefonnummern im Handy. Unser Gedächtnis wird entlastet, damit es sich auf Wichtigeres konzentrieren kann.

Auch beim Lernen kann Offloading nützlich sein: Wer sich von der KI einen Überblick über ein Thema geben lässt, gewinnt Zeit und Energie für die Vertiefung. Wer sich Fragen vorschlagen lässt, kann daraus eigene weiterführende Überlegungen entwickeln. Problematisch wird es jedoch, wenn das Auslagern zur Gewohnheit wird – und die Inhalte nicht mehr hinterfragt werden.

Mehrere Studien stützen diese Einschätzung. Forschende von Microsoft und der Carnegie Mellon University zeigten, dass kritisches Denken messbar abnimmt, wenn Menschen KI-Antworten ungeprüft übernehmen (was erschreckenderweise mehrheitlich der Fall ist). Eine andere Studie weist sogar auf einen Zusammenhang zwischen intensiver ChatGPT-Nutzung und Leistungsabfall hin – inklusive Gedächtnisverlust. Die Technik entlastet nicht nur – sie verführt auch zur Passivität.

Die entscheidende Frage: Wer denkt hier eigentlich?

Lernen ist kein Konsumvorgang. Wer nur auswählt, zusammenkopiert und weitergibt, hat noch nichts verstanden. Künstliche Intelligenz ist ein mächtiges Werkzeug, aber sie übernimmt das Denken nicht – zumindest nicht auf eine Weise, die #Bildung fördern würde. Was sie liefert, ist Oberflächliches: sprachlich geschliffen, oft logisch aufgebaut, manchmal sogar originell. Doch ohne eigene Auseinandersetzung bleibt es fremdes Wissen.

Deshalb ist die zentrale Frage im Umgang mit KI nicht: Was kann sie?, sondern: Was tue ich mit dem, was sie liefert? Lasse ich mich inspirieren, vergleiche ich verschiedene Perspektiven, entwickle ich eigene Fragen weiter – oder übernehme ich das Resultat als fertige Lösung?

Wie sinnvoller KI-Einsatz im Unterricht aussehen kann

Sinnvoll eingesetzt, kann KI Lernprozesse nicht nur unterstützen, sondern gezielt vertiefen. Dafür braucht es aber mehr als nur den Zugang zu einem Tool – es braucht didaktische Konzepte, pädagogische Begleitung und kritische Reflexion. Becker bietet hierzu in dem FAZ-Artikel einige konkrete Hinweise, die sich in der Praxis umsetzen lassen.

Ein wirksamer Ansatz ist der reflektierte Einsatz im Unterricht. Wenn Lernende beispielsweise eine Klassenarbeit mit Unterstützung von ChatGPT verfassen dürfen, um im Anschluss die Struktur, den Inhalt oder die Qualität gemeinsam zu analysieren, fördert das nicht nur das fachliche Lernen, sondern auch die Metakognition – also das Nachdenken über das eigene Denken. Die KI liefert so nicht die Lösung, sondern wird zum Anlass für Reflexion.

Wichtig ist dabei, die KI als Lernpartnerin und nicht als Ersatz zu begreifen. Sie kann beim Sammeln von Ideen helfen, Argumente vorschlagen oder Diskussionsimpulse liefern. Im Unterricht bedeutet das: nicht die Vorschläge übernehmen, sondern mit ihnen arbeiten. Lehrpersonen können mit der Klasse gemeinsam Varianten vergleichen, Stärken und Schwächen analysieren und so den kritischen Umgang mit Texten und Informationen schulen.

Ein weiteres Feld mit grossem Potenzial sind automatisierte Feedback-Tools. Diese geben Schülerinnen und Schülern unmittelbare Rückmeldung zu sprachlichen, strukturellen oder inhaltlichen Aspekten ihrer Texte. Der Vorteil: Die Rückmeldung erfolgt sofort, individuell und unabhängig von der Verfügbarkeit einer Lehrperson. So kann der Schreibprozess gezielt gefördert werden – auch ausserhalb des Unterrichts.

Noch einen Schritt weiter gehen intelligente tutorielle Systeme (ITS), also KI-Tutoren. Diese Systeme passen Aufgaben und Inhalte an den individuellen Lernstand an, berücksichtigen Unterschiede im Vorwissen, in der Sprache oder im Lerntempo und fördern gezielt Basiskompetenzen. Gerade in heterogenen Klassen können sie helfen, die Lernenden differenziert zu fördern und alle auf ein höheres Kompetenzniveau zu bringen.

Entscheidend ist dabei die Rolle der Lehrperson. Sie bleibt aktive Gestalterin des Lernprozesses. Lehrkräfte sollten nicht nur KI-Tools auswählen, sondern gemeinsam mit den Schülerinnen und Schülern deren Einsatz reflektieren und weiterentwickeln. Das verlangt auch von den Lehrpersonen selbst Bereitschaft zur Weiterbildung und Offenheit für neue pädagogische Wege.

Nicht zuletzt braucht es eine verlässliche technische Ausstattung. KI kann nur dann sinnvoll in den Unterricht integriert werden, wenn die Infrastruktur stabil, der Zugriff für alle gewährleistet ist und alles selbstverständlich auch datenschutzkonform betrieben wird. Auch die Integration in die Schulentwicklung ist wichtig: Der Einsatz von KI darf kein Einzelprojekt bleiben, sondern sollte eingebettet sein in eine pädagogisch fundierte Gesamtplanung.

Richtig eingesetzt, kann KI also mehr sein als ein technisches Hilfsmittel – sie kann zu einem Impulsgeber für Lernen, Denken und Diskutieren werden. Vorausgesetzt, ihr Output wird nicht einfach unkritisch übernommen, sondern bewusst gesteuert.

Ein persönliches Fazit

Macht KI Schülerinnen und Schüler dümmer? Sie kann – wenn man sie unreflektiert nutzt, sie unkommentiert werkeln lässt oder als Ersatz für Lernen begreift. Aber sie muss nicht. Richtig eingesetzt, kann KI das Lernen bereichern, differenzieren und vertiefen. Sie kann Impulse geben, Perspektiven eröffnen, individuelle Förderung ermöglichen.

Was es dazu braucht, ist eine Haltung: neugierig, kritisch, strukturiert. Wer die KI nutzt, um weiterzudenken, statt abzuwälzen, wird davon profitieren. Wer sie als Sparringpartner sieht, nicht als Problemlöser, entwickelt sich weiter. Es ist nicht die KI, die klüger oder dümmer macht – es ist unser Umgang mit ihr. Wir haben es selbst in der Hand.

Und vielleicht ist das die wichtigste Aufgabe unserer Zeit: zu verstehen, was Maschinen für uns tun können – und was wir selbst leisten müssen, um wirklich zu lernen.

💬 Kommentieren (nur für write.as-Accounts)

Discuss...

Bildquelle Thomas Webster (1800–1886): The Frown, Guildhall Art Gallery, London, Public Domain. Der dritte Junge von rechts trägt eine sog. Eselskappe, eine bis in das 19. Jahrhundert angewandte Bestrafung bzw. Demütigung für Schüler.

Disclaimer Teile dieses Texts wurden mit Deepl Write (Korrektorat und Lektorat) überarbeitet. Für die Recherche in den erwähnten Werken/Quellen und in meinen Notizen wurde NotebookLM von Google verwendet.

Topic #Erwachsenenbildung | #Maschinenwelten

Michael Gisiger

Erwachsenenbildner und Coach mit 20+ Jahren Erfahrung. Aus philosophischer Perspektive schreibe ich über Produktivität, PKM und Coaching – fundiert und praxisnah.

Website · Mastodon · Nolto · Bluesky · LinkedIn

Seit über 100 Jahren wird regelmässig behauptet, neue Technologien würden die #Bildung revolutionieren. Ob Radio, Film und Fernsehen, Taschenrechner, Computer oder E-Learning – jede dieser Innovationen wurde als fundamentaler Umbruch angekündigt. Doch in der Praxis blieben die grossen Umwälzungen aus. Der Unterricht in vielen Klassenzimmern sieht auch heute noch überraschend ähnlich aus wie vor Jahrzehnten. Der Grund dafür ist weniger technischer als vielmehr kognitionspsychologischer Natur: Bildung ist ein sozialer und mental anspruchsvoller Prozess, der sich nicht durch technischen Fortschritt allein verbessern lässt.

In seinem Vortrag What Everyone Gets Wrong About AI and Learning (gehalten an einem Symposium des Perimeter Institute for Theoretical Physics im April 2025) legt der Wissenschaftskommunikator Dr. Derek Muller (bekannt u. a. durch seinen Youtube-Kanal Veritasium) dar, dass auch Künstliche Intelligenz – trotz ihres Potenzials – keine Bildungsrevolution auslösen wird, wenn wir nicht verstehen, wie #Lernen tatsächlich funktioniert. Dabei stützt er sich auf zentrale Erkenntnisse aus der kognitiven Psychologie, insbesondere auf Daniel Kahnemanns Modell der zwei Denksysteme (Schnelles Denken, langsames Denken, 2011).

System 1 und System 2: Wie Denken (nicht) funktioniert

Gemäss Kahnemann operieren wir mit zwei komplementären Denksystemen:

• System 1 ist schnell, automatisch, intuitiv und mühelos. Es basiert auf Erfahrung und Mustern aus dem Langzeitgedächtnis. Es ist unser „Standardmodus“ im Alltag.
• System 2 hingegen ist langsam, analytisch, kontrolliert und anstrengend. Es kommt zum Einsatz, wenn wir neue, komplexe oder widersprüchliche Informationen verarbeiten müssen.

Effektives Lernen erfordert genau dieses System 2: das bewusste, kognitive Ringen mit einem Sachverhalt. Nur durch wiederholte Aktivierung von System 2 können wir neues Wissen stabil im Langzeitgedächtnis verankern – erst dann wird es später für System 1 automatisiert verfügbar. In Mullers Worten: „System 1 kann nur leisten, was System 2 vorher mühsam aufgebaut hat.“

Effizienzgewinn durch unmittelbares Feedback

Ein zentraler Beitrag von #KI zum Lernen liegt in der Fähigkeit, sofortiges und spezifisches Feedback zu geben. Lernprozesse – vornehmlich in den frühen Phasen des Kompetenzerwerbs – profitieren stark von dieser unmittelbaren Rückmeldung. Wer z. B. ein physikalisches Problem löst oder eine Sprache lernt, benötigt nicht nur richtige oder falsche Antworten, sondern Hinweise darauf, warum eine Lösung (nicht) funktioniert. KI kann hier, ähnlich wie ein guter Tutor, zielgerichtet unterstützen und somit eine wesentliche Voraussetzung für tiefes Lernen schaffen.

Darüber hinaus ermöglicht KI eine hohe Frequenz an Übung und Rückmeldung, ohne dass dafür kontinuierlich eine Lehrperson anwesend sein muss. Gerade in stark übungsintensiven Bereichen – etwa beim Erlernen mathematischer Verfahren, grammatischer Strukturen oder beim Trainieren von Entscheidungen in komplexen Situationen, bei denen mehrere Informationen abgewogen werden müssen (z. B. in der Medizin) – kann diese Form der automatisierten Begleitung den Lernprozess beschleunigen und individualisieren. Entscheidend ist jedoch, dass das Feedback nicht rein korrektiv bleibt, sondern kognitive Aktivität anregt – etwa durch gezielte Nachfragen, Erklärungen oder weiterführende Denkanstösse.

Massgeschneiderte Übungssettings und adaptive Systeme

Darüber hinaus kann KI repetitives Üben (Muller nennt dies „Reps“) erleichtern, indem sie Aufgaben passend zum Wissensstand generiert. Dies ermöglicht eine Form der Binnendifferenzierung, die im Klassenunterricht nur schwer realisierbar ist. Aus kognitionspsychologischer Sicht ist dies insbesondere deshalb wertvoll, weil gezieltes, herausforderndes Üben in der „Zone of Proximal Development“ (Lew Wygotski, 1930) als zentral für nachhaltiges Lernen gilt. KI-Systeme könnten hier eine unterstützende Funktion übernehmen, wenn sie sorgfältig gestaltet sind.

Die „Zone of Proximal Development“ (Zone der proximalen Entwicklung) bezeichnet den Bereich zwischen dem, was ein Lernender bereits eigenständig leisten kann, und dem, was er mit Unterstützung durch eine kompetentere Person zu leisten vermag. Wygotski betonte, dass Lernen am effektivsten ist, wenn es in diesem Bereich stattfindet, da hier das grösste Entwicklungspotenzial besteht. Durch gezielte Anleitung und Unterstützung – auch als „Scaffolding“ bezeichnet – können Lernende Aufgaben bewältigen, die sie allein noch nicht meistern würden. Mit zunehmender Kompetenz wird die Unterstützung schrittweise reduziert, bis der Lernende die Aufgabe eigenständig ausführen kann. Diese dynamische Interaktion zwischen Lernendem und Lehrendem ist zentral für den Erwerb neuer Fähigkeiten und die kognitive Entwicklung.

Die grosse Gefahr: kognitive Entlastung am falschen Ort

Gerade weil KI so leistungsfähig ist, birgt sie eine ernsthafte Gefahr: Sie kann dazu verleiten, die kognitive Anstrengung – das gezielte Aktivieren von System 2 – zu umgehen. Wer einen Aufsatz schreiben, ein Argument strukturieren oder ein Problem lösen soll, kann dies heute mit einem KI-Chatbot automatisieren. Doch dadurch entfällt die mentale Arbeit, die zur Verankerung im Langzeitgedächtnis notwendig ist.

Ohne diese Anstrengung entsteht kein Chunking, also keine kognitive Verdichtung komplexer Inhalte zu handhabbaren Einheiten. Expertise – etwa beim Schachspielen, beim Musizieren oder in der Physik – basiert gerade darauf, dass System 1 über ein reichhaltiges, domänenspezifisches Netz an Erfahrungen und Mustern verfügt. Dieses Netz aber lässt sich nicht über KI „importieren“ – es muss aufgebaut werden, durch wiederholte, bewusste Anwendung von System 2.

Der Unterschied zwischen Unterstützung und Ersatz

Ob KI eine sinnvolle Rolle im Lernen einnimmt, hängt entscheidend davon ab, ob sie als Unterstützung oder als Ersatz für Denkprozesse dient. Wird KI eingesetzt, um Lernende zu fordern, anzuleiten und ihnen gezielt Hilfestellungen zu geben, kann sie ein wertvolles Werkzeug sein. Wird sie hingegen genutzt, um Denkarbeit auszulagern, verhindert sie Lernprozesse – selbst wenn das Resultat (z. B. ein gelungener Text) oberflächlich betrachtet korrekt erscheint.

Gerade in diesem Spannungsfeld gewinnt die Rolle der Lehrperson an Bedeutung. Sie ist nicht durch KI ersetzbar, sondern übernimmt eine zentrale Funktion im Lernprozess: Sie motiviert, strukturiert, fordert heraus und sorgt für Verantwortlichkeit. In der Metapher von Muller: Die Lehrperson ist wie ein Personal Trainer. Das Fitnessstudio steht allen offen – aber ohne Anleitung, Rückmeldung und soziale Einbettung bleiben Fortschritte aus.

Didaktische Konsequenzen

Für die Gestaltung von Unterricht bedeutet dies zweierlei: Erstens müssen Unterrichtsformate so gestaltet werden, dass sie aktives, anstrengendes Denken begünstigen – mit gezielter Steuerung des Cognitive Load (John Sweller, 1988), also der mentalen Belastung, die während des Lernens im Arbeitsgedächtnis entsteht. Sweller unterscheidet drei Formen: Die intrinsische kognitive Belastung (intrinsic cognitive load) ergibt sich aus der Komplexität und Neuartigkeit des Lernstoffs. Sie ist grundsätzlich nicht vermeidbar, kann jedoch durch geeignete didaktische Aufbereitung verringert werden – etwa durch die Aktivierung von Vorwissen, die gezielte Sequenzierung von Inhalten oder durch anschauliche Beispiele. Die zusätzliche, nicht-lernbezogene kognitive Belastung (extraneous cognitive load) entsteht durch ablenkende, schlecht strukturierte oder unnötig komplizierte Lernumgebungen. Sie ist überflüssig und sollte möglichst vermieden werden – etwa durch klare Sprache, reduzierte Informationsdichte, verständliche Visualisierungen oder störungsarme Rahmenbedingungen. Die lernbezogene kognitive Belastung (germane cognitive load) schliesslich fördert das Verstehen, indem sie die kognitiven Ressourcen gezielt auf sinnstiftende Verarbeitungsprozesse lenkt – etwa auf das Erkennen von Zusammenhängen, das Bilden mentaler Modelle oder das Reflektieren über den eigenen Denkweg. Erfolgreiche Lehre zielt darauf ab, die extrinsische und – soweit möglich – auch die intrinsische Belastung zu reduzieren und gleichzeitig die lernbezogene Belastung gezielt zu fördern.

Zweitens muss der Einsatz von KI pädagogisch so gerahmt sein, dass sie Denken stimuliert, nicht ersetzt. Dazu gehört auch die Entwicklung von Prüfungsformaten, in denen eigenständiges Denken sichtbar wird – jenseits von automatisierbaren Produkten. Das bedeutet konkret: Lernaufgaben und Prüfungen sollten so gestaltet sein, dass sie nicht lediglich reproduktives Wissen abfragen, sondern Denkprozesse, Argumentationsfähigkeit, Transferleistung oder kreative Problemlösungen erfordern. KI kann dabei als unterstützendes Werkzeug dienen – etwa zur Ideengenerierung, zum Vergleich von Lösungswegen oder zur Reflexion –, darf aber nicht die eigentliche kognitive Leistung ersetzen. Entscheidend ist, dass Lernende aufzeigen, wie sie zu einem Ergebnis gelangt sind – nicht nur, dass sie eines präsentieren.

Fazit

Künstliche Intelligenz kann Lernprozesse sinnvoll bereichern – durch unmittelbares Feedback, individualisierte Übungsangebote und adaptive Unterstützung. Doch genau darin liegt auch ihre Gefahr: Wird die KI nicht als Werkzeug, sondern als Ersatz für Denken genutzt, untergräbt sie den eigentlichen Kern des Lernens. Denn Lernen ist und bleibt ein aktiver, anstrengender, zutiefst individueller Prozess – getragen von Wiederholung, Reflexion und der bewussten Auseinandersetzung mit Unverstandenem. Kein Algorithmus kann diesen mentalen Weg für uns gehen. Nur wer System 2 regelmässig beansprucht, kann dauerhaftes Verstehen aufbauen.

Oder wie Muller es prägnant formuliert: „Der Zugang zu Wissen war nie das Problem. Entscheidend ist, ob wir bereit sind, uns mit diesem Wissen wirklich auseinanderzusetzen – bewusst, systematisch und mit kognitiver Anstrengung.“

Für mich als Erwachsenenbildner bedeutet das: Ich sehe meine Rolle zunehmend als Lernbegleiter und Coach – nicht als Vermittler von Inhalten, sondern als Gestalter von Lernprozessen. Ich möchte meine Studierenden befähigen, KI gezielt und verantwortungsvoll zu nutzen: nicht um das Denken zu umgehen, sondern um es anzuregen, zu strukturieren und zu vertiefen. Denn wer selbständig lernen will, muss nicht nur wissen, was er lernen soll – sondern auch, wie. Und genau hier kann KI, klug eingesetzt, eine wertvolle Partnerin sein.

💬 Kommentieren (nur für write.as-Accounts)

Discuss...

Bildquellen Die Illustrationen dieses Beitrags stammen aus dem 1913 erschienenen „The Cubies’ ABC“, einem von Mary Mills Lyall (Text) and Earl Harvey Lyall (Illustrationen) herausgegebenen Abc-Buch (Public Domain). Das Buch war eine Satire auf den Kubismus und den Futurismus, die damals noch nicht sehr angesehen waren.

Disclaimer Teile dieses Texts wurden mit Deepl Write (Korrektorat und Lektorat) überarbeitet. Für die Recherche in den erwähnten Werken/Quellen und in meinen Notizen wurde NotebookLM von Google verwendet.

Topic #Erwachsenenbildung | #Maschinenwelten

Michael Gisiger

Erwachsenenbildner und Coach mit 20+ Jahren Erfahrung. Aus philosophischer Perspektive schreibe ich über Produktivität, PKM und Coaching – fundiert und praxisnah.

Website · Mastodon · Nolto · Bluesky · LinkedIn

Kürzlich habe ich in der NZZ vom 8. Oktober 2024 einen Artikel von Mischa Senn gelesen, der mich zum Nachdenken angeregt hat. Den Beitrag fand ich in gewisser Weise inspirierend, da er eine neue Perspektive auf den Umgang mit Falschinformationen in den #Medien aufzeigt. Besonders in sozialen Netzwerken und bei durch künstliche Intelligenz generierten Inhalten wird die bewusste Unterscheidung von Wahrheit und Unwahrheit immer schwieriger. Senn unterbreitet in seinem Artikel einige Vorschläge, die uns zu einem grundsätzlich neuen Ansatz der Medienkompetenz führen könnten: Einer „Unrichtigkeitsvermutung“ gegenüber medialen Inhalten. Diesen Gedankengang möchte ich weiterführen, ergänzt durch einen Ansatz von Cal Newport, der uns hilft, unseren Nachrichtenkonsum qualitativ zu verbessern.

Senn, Dozent für Medien- und Werberecht sowie Vizepräsident der Schweizerischen Lauterkeitskommission, stellt in seinem Artikel eine These auf, die zunächst kontraintuitiv erscheinen mag: Er plädiert für eine Umkehrung des klassischen Vertrauensvorschusses, den wir vielen Medieninhalten entgegenbringen. Statt einfach davon auszugehen, dass das, was wir lesen, sehen oder hören, wahr ist, empfiehlt er eine bewusste Haltung des Misstrauens – eine Unrichtigkeitsvermutung. Diese Idee besagt, dass man jede Information zunächst als potenziell falsch betrachten sollte, solange man ihre Richtigkeit nicht unabhängig bestätigen kann.

Was zunächst als ein radikaler, vielleicht gar zynischer Ansatz wirken mag, entpuppt sich bei genauerer Betrachtung als eine notwendige Reaktion auf die Informationsflut unserer Zeit. Insbesondere in sozialen Medien, wo Inhalte oft mit einem emotionalen Unterton verbreitet werden und Algorithmen bevorzugt das zeigen, was hohe Interaktionsraten verspricht, ist eine gesunde Skepsis unabdingbar. Auch bei durch #KI generierten Inhalten ist Vorsicht angebracht, denn diese Modelle optimieren sehr oft auf kohärente Ausdrucksweise, nicht unbedingt auf faktische Richtigkeit.

Diese Unrichtigkeitsvermutung soll jedoch nicht als universeller Pessimismus verstanden werden. Vielmehr fordert sie uns dazu auf, Informationen bewusst zu prüfen und kritisch zu hinterfragen. Es geht darum, die Mechanismen der Medienproduktion besser zu verstehen und ein aktiver Teilnehmer im Kommunikationsprozess zu sein, statt ein passiver Konsument. Der Misstrauensvorschuss, von dem Senn spricht, führt nicht dazu, den Wert von Medien generell infrage zu stellen, sondern soll eine Art intellektueller Sicherheitsgurt sein, der uns vor voreiligen Schlussfolgerungen bewahrt.

Verantwortungsvoller Konsum von Informationen

Ergänzend zu Senns Ansatz möchte ich einen weiteren Vorschlag einführen, den ich in einer Podcast-Folge von Cal Newport gehört habe. Newport, Professor an der Georgetown University und bekannter Autor, Verfechter eines minimalistischeren und fokussierteren Lebensstils, spricht sich dafür aus, den Konsum von Nachrichten – und generell von Informationen – auf qualitative Weise zu steigern, während die Quantität gleichzeitig reduziert wird.

Newport schlägt ein dreistufiges Modell vor, das sich auf unterschiedliche Zeithorizonte erstreckt: täglich, monatlich und saisonal. Auf täglicher Basis empfiehlt er, eine einzelne, nicht algorithmisch kuratierte Quelle zu nutzen — zum Beispiel eine gedruckte Zeitung oder einen Newsletter. Dies steht im Gegensatz zu den Social-Media-Feeds, die uns häufig in eine Informationsschleife ziehen, in der nur Inhalte auftauchen, die besonders hohe Aufmerksamkeit generieren. Eine Tageszeitung ist hingegen eine kompakte und qualitätsorientierte Alternative.

Monatlich empfiehlt Newport zudem, zwei bis sechs lange Magazinartikel zu lesen, die Themen, die uns beschäftigen, umfassend behandeln. Diese Art der Informationsaufnahme erlaubt uns, Zusammenhänge besser zu verstehen und uns mit komplexen Fragen intensiver auseinanderzusetzen, ohne uns dabei ständig dem Aktualitätsdruck auszusetzen.

Saisonal, also einmal im Quartal, rät Newport dazu, ein fundiertes Buch zu einem der für uns relevanten Thema zu lesen. Auf diese Weise können wir uns einem Gegenstand umfassend widmen, ihn aus verschiedenen Perspektiven beleuchten und ein differenziertes Verständnis entwickeln, das weit über das hinausgeht, was durch Nachrichten oder mediale Diskurse möglich ist. Diese Leseempfehlung ermöglicht es uns, das Wissen zu vertiefen und nachhaltiger zu verankern.

Fazit: Zwei Ansätze, die sich ergänzen

Die Unrichtigkeitsvermutung nach Senn und Newports dreistufiges Modell des Informationskonsums sind auf den ersten Blick unabhängige Ansätze, die jedoch einen ähnlichen Zweck verfolgen: Beide bieten eine Reaktion auf die Herausforderungen unserer modernen Informationsgesellschaft. Senn fordert uns auf, Inhalte kritisch zu hinterfragen, bevor wir ihnen Glauben schenken. Newport wiederum gibt uns eine konkrete Methode an die Hand, wie wir bewusst Informationen selektieren können, um uns nicht im sich ständig schneller drehenden Nachrichtenzyklus zu verlieren.

Beide Ansätze rufen zu einem bewussteren Umgang mit Informationen auf, jedoch auf unterschiedliche Weise. Senn möchte unsere Haltung gegenüber Medieninhalten verändern, Newport hingegen die Art und Weise, wie wir den Informationsfluss strukturieren. Im Zusammenspiel bieten beide Modelle eine effektive Möglichkeit, der Reizüberflutung und der oftmals fragwürdigen Qualität der angebotenen Informationen entgegenzuwirken.

💬 Kommentieren (nur für write.as-Accounts)

Discuss...

Bildquelle Lovis Corinth (1858–1925): Porträt des Malers Benno Becker, Von der Heydt-Museum, Wuppertal, Public Domain.

Disclaimer Teile dieses Texts wurden mit Deepl Write (Korrektorat und Lektorat) überarbeitet. Für die Recherche in den erwähnten Werken/Quellen und in meinen Notizen wurde NotebookLM von Google verwendet.

Topic #Erwachsenenbildung

Michael Gisiger

Erwachsenenbildner und Coach mit 20+ Jahren Erfahrung. Aus philosophischer Perspektive schreibe ich über Produktivität, PKM und Coaching – fundiert und praxisnah.

Website · Mastodon · Nolto · Bluesky · LinkedIn

Die Arbeitswelt steht vor tiefgreifenden Veränderungen. Digitalisierung, Automatisierung und der zunehmende Einsatz von künstlicher Intelligenz (KI) stellen sowohl Unternehmen als auch uns als Arbeitnehmende vor neue Herausforderungen. Gleichzeitig erleben wir einen demografischen Wandel: Die Menschen werden älter, arbeiten länger und treffen auf eine jüngere Generation, die mit digitalem Know-how aufwächst und vermehrt Führungspositionen übernimmt.

Vor diesem Hintergrund stellt sich die Frage, welche Kompetenzen in Zukunft entscheidend sein werden. Reicht das Wissen, das heute durch Technologie und das Internet leicht zugänglich ist, aus? Oder brauchen wir etwas Tiefergehendes, das uns und unsere Unternehmen langfristig erfolgreich macht?

In meiner Auseinandersetzung mit dem Thema bin ich auf einen Artikel von Chip Conley im Harvard Business Manager gestossen. Conley stellt darin den Ansatz der „Weisheitsarbeit“ vor – ein Konzept, das spannende Antworten auf diese Frage liefert. Weisheitsarbeit könnte der Schlüssel sein, um die Herausforderungen der modernen Arbeitswelt zu meistern. Was genau dahinter steckt, versuche ich in diesem Beitrag aufzuzeigen.

Das Ende der Wissensarbeit – Warum Weisheitsarbeit immer wichtiger wird

Peter Drucker, Doyen der modernen Managementtheorie, prägte bereits 1959 den Begriff der Knowledge Work (Wissensarbeit). Er erkannte, dass in der aufstrebenden Wissensgesellschaft der wahre Wert nicht in Maschinen oder Werkzeugen liegt, sondern im Wissen der Arbeitnehmenden. Jahrzehntelang dominierte dieses Konzept die Arbeitswelt: Diejenigen, die Wissen ansammelten und anwendeten, galten als wertvollste Ressource.

Doch die Zeiten ändern sich. Heute hat praktisch jeder Mensch mit einem Computer oder Smartphone Zugang zu einem unermesslichen Schatz an Informationen. #KI kann und wird vermehrt viele Aufgaben übernehmen, die früher ausschliesslich menschliches Wissen erforderten. Wissensarbeit, wie wir sie kennen, stösst an ihre Grenzen, weil Maschinen diese Aufgaben oft effizienter erledigen.

Hier kommt die Weisheitsarbeit ins Spiel. Weisheit, durch Erfahrung gewonnen und weitergegeben, wird zu einer zunehmend wertvollen Ressource. Sie bedeutet nicht nur, Informationen zu besitzen, sondern diese durch Reflexion und #Lernen aus Fehlern auf die richtige Weise anzuwenden.

Erfahrung ist etwas, das Maschinen nicht leisten können. Während Wissen leicht zugänglich ist, gewinnt Weisheit an Bedeutung, besonders in der Zusammenarbeit zwischen jüngeren, technologieaffinen Führungskräften und älteren, erfahreneren Mitarbeitenden. Weisheitsarbeit schlägt hier die Brücke zwischen digitalem Wissen und menschlicher Erfahrung.

Was ist Weisheitsarbeit? – Eine Definition

Weisheitsarbeit unterscheidet sich grundlegend von Wissensarbeit. Während Wissensarbeit das Sammeln und Anwenden von Informationen betont, geht es bei der Weisheitsarbeit um mehr. Conley beschreibt Weisheit als „verstoffwechselte Erfahrung, die mit anderen geteilt wird“ („metabolized experience shared with others“). Sie entsteht durch Reflexion und das bewusste Verarbeiten von Erlebtem.

Ein zentraler Bestandteil der Weisheitsarbeit ist der intergenerationale Wissenstransfer. In altersgemischten Teams wird dieser Austausch immer wichtiger. Ältere Arbeitnehmende, die über einen reichen Erfahrungsschatz verfügen, geben ihre Weisheit an jüngere KollegInnen weiter, die ihre digitale Kompetenz und neue Denkweisen einbringen. Diese Zusammenarbeit führt nicht nur zum Austausch von Informationen, sondern auch zu tiefen Einsichten und erprobten Ansätzen.

Ein weiterer wichtiger Unterschied ist, dass Wissen durch Technologie einfach zugänglich ist, während Weisheit eine menschliche Fähigkeit bleibt. Maschinen können Daten verarbeiten, aber sie können nicht aus komplexen, emotionalen oder widersprüchlichen Erfahrungen lernen. Diese Fähigkeit, die richtige Entscheidung auf Basis von Erfahrung zu treffen, ist der Kern von Weisheitsarbeit.

Conley sieht Weisheitsarbeit als Brücke zwischen der schnellen, datengetriebenen Welt und den tiefen, oft intuitiven Einsichten des Menschen. Sie bietet einen klaren Vorteil, indem sie nicht nur Fakten liefert, sondern auch das Verständnis, wie und wann diese Fakten anzuwenden sind.

Die Vorteile von Weisheitsarbeit für Unternehmen und Arbeitnehmende

Conley betont, dass der generationenübergreifende Austausch und die Nutzung von Erfahrungswissen die Produktivität und Widerstandsfähigkeit von Unternehmen steigern können.

1. Höhere Mitarbeiterbindung und Zufriedenheit: Mitarbeitende, die von MentorInnen begleitet werden, bleiben länger in ihrem Unternehmen. Ältere Arbeitnehmende sind oft zufriedener und durch ihre Erfahrung im Umgang mit #Stress weniger anfällig für Burnout. Millennials profitieren durch Mentoring von der #Resilienz und Erfahrung älterer Generationen.

2. Produktivere Teams: Altersgemischte Teams, in denen Weisheitsarbeit gefördert wird, sind produktiver. Ältere Mitarbeitende bringen langfristige Perspektiven ein, während jüngere KollegInnen durch digitale Kompetenz und Innovation punkten. Studien zeigen, dass diese Mischung zu besseren Ergebnissen führt.

3. Besseres Verständnis der Generationen: Weisheitsarbeit trägt zu einem tieferen Verständnis der unterschiedlichen Bedürfnisse und Erwartungen zwischen den Generationen bei. Jüngere Generationen erleben häufiger Entfremdung, während ältere KollegInnen mehr Stabilität empfinden. Der Austausch über Generationen hinweg stärkt die Zusammenarbeit.

4. Wertschätzung von Erfahrungswissen: In einer zunehmend von KI geprägten Welt wird menschliches Erfahrungswissen wichtiger. Ältere Mitarbeitende erfahren eine neue Wertschätzung, da sie ihren Erfahrungsschatz an die jüngeren Generationen weitergeben. Ihre Weisheit trägt zum langfristigen Erfolg bei.

Ansätze zur Implementierung von Weisheitsarbeit

Conley nennt verschiedene Ansätze, wie Weisheitsarbeit in der Praxis umgesetzt werden kann, wobei der generationenübergreifende Austausch im Vordergrund steht.

• Altersgemischte Teams fördern: Unternehmen sollten bewusst altersdiverse Teams bilden, um verschiedene Perspektiven und Fähigkeiten zu vereinen. Die Kombination aus digitalem Sachverstand der Jüngeren und der Erfahrung der Älteren schafft Synergien, die zu besseren Ergebnissen führen.

• Mentoring-Programme etablieren: Mentoring ist eine effektive Methode, um Weisheit weiterzugeben. Ältere Mitarbeitende können ihre Erfahrungen an jüngere KollegInnen weitergeben, was beiden Seiten zugutekommt. Die Jüngeren profitieren von den Einsichten der Älteren, während diese ihre Rolle reflektieren und weiterentwickeln.

• Prozesswissen teilen: Unternehmen sollten Strukturen schaffen, die den systematischen Austausch von Prozesswissen ermöglichen. Dieses Wissen geht über formale Abläufe hinaus und umfasst auch die informellen Mechanismen eines Unternehmens. Regelmässige Reflexionsrunden oder Plattformen für den Wissensaustausch sind hier hilfreich.

Fazit: Weisheitsarbeit – Die Zukunft der Arbeit?

Weisheitsarbeit stellt einen grundlegenden Wandel im Denken über die moderne Arbeitswelt dar. Während Wissensarbeit zunehmend von Maschinen und künstlicher Intelligenz übernommen wird, rückt Weisheit, verstanden als reflektierte und geteilte Erfahrung, in den Mittelpunkt.

Wie Conley aufzeigt, liegt die Zukunft der Arbeit in der Fähigkeit, generationenübergreifende Zusammenarbeit zu fördern und den Erfahrungsschatz älterer Mitarbeitender zu nutzen. Unternehmen, die auf Weisheitsarbeit setzen, profitieren von produktiveren Teams, höherer Mitarbeiterbindung und einem tieferen Verständnis der Bedürfnisse ihrer Belegschaft.

Weisheitsarbeit bietet uns die Möglichkeit, Wissen nicht nur zu verwalten, sondern es in wertvolle Handlungen zu übersetzen – basierend auf Erfahrungen, die durch Technologie nicht ersetzt werden können. Sie ist ein wichtiger Baustein für den langfristigen Erfolg in der modernen Arbeitswelt.

💬 Kommentieren (nur für write.as-Accounts)

Discuss...

Bildquelle Robert Lewis Reid (1862–1929): Wisdom, Wandgemälde im Thomas Jefferson Building der Library of Congress, Washington, D.C., Bildunterschrift: „KNOWLEDGE COMES BVT WISDOM LINGERS“, Foto von Carol Highsmith, Public Domain.

Disclaimer Teile dieses Texts wurden mit Deepl Write (Korrektorat und Lektorat) überarbeitet. Für die Recherche in den erwähnten Werken/Quellen und in meinen Notizen wurde NotebookLM von Google verwendet.

Topic #ProductivityPorn

Michael Gisiger

Erwachsenenbildner und Coach mit 20+ Jahren Erfahrung. Aus philosophischer Perspektive schreibe ich über Produktivität, PKM und Coaching – fundiert und praxisnah.

Website · Mastodon · Nolto · Bluesky · LinkedIn

Erinnerst Du Dich daran, wie oft Du in der Schule oder im Studium Dinge gelernt hast, die erst Jahre später an Bedeutung gewannen? Vielleicht war es ein Roman, den Du damals nicht ganz verstanden hast, oder ein Konzept, das Dir unnötig erschien – bis das Leben Dich plötzlich daran erinnerte. Diese Fähigkeit, Wissen aufzunehmen und es irgendwann flexibel anzuwenden, beschreibt Leslie Valiant in seinem neuen Buch The Importance of Being Educable: A New Theory of Human Uniqueness als „Bildungsfähigkeit“ (educability).

Valiant, einer der führenden Computerwissenschaftler unserer Zeit, stellt in seinem Buch eine provokative Frage: Reicht Intelligenz allein aus, um die Komplexität der Welt zu begreifen? Seine Antwort lautet nein. Dazu benötigen wir eine andere Fähigkeit – die Bildungsfähigkeit. Sie ermöglicht es uns, Wissen nicht nur kurzfristig anzuwenden, sondern es über Jahre hinweg zu speichern und in unvorhergesehenen Situationen zu nutzen. Valiants Konzept geht dabei über die klassische Intelligenz hinaus und eröffnet eine neue Perspektive auf das, was es wirklich bedeutet, zu lernen.

Warum Bildungsfähigkeit mehr zählt als Intelligenz

Leslie Valiant definiert Bildungsfähigkeit als die menschliche Fähigkeit, Wissen über lange Zeiträume hinweg zu sammeln und in neuen, unvorhersehbaren Situationen anzuwenden. Dabei unterscheidet sich dieses Konzept deutlich von der herkömmlichen Vorstellung von Intelligenz. Während Intelligenz oft als eine sofortige Auffassungsgabe oder die Fähigkeit, komplexe Probleme zu lösen, angesehen wird, betont Valiant, dass Bildungsfähigkeit weit darüber hinausgeht.

Die Bildungsfähigkeit umfasst verschiedene Aspekte, die zusammen ein umfassendes Bild des lebenslangen Lernens ergeben:

1. Schnelles Lernen und flexible Anwendung: Eine zentrale Komponente der Bildungsfähigkeit ist die Fähigkeit, neue Informationen schnell aufzunehmen und diese Einsichten in unvorhergesehenen Situationen anzuwenden. Dies zeigt sich beispielsweise, wenn jemand ein neues Computerprogramm schnell erlernt und diese Kenntnisse dann kreativ in einem völlig anderen Kontext einsetzt.

2. „Street Smarts“ und gesunder Menschenverstand: Bildungsfähigkeit beinhaltet auch die praktische Intelligenz, die oft als „Street Smarts“ bezeichnet wird. Es geht darum, Situationen richtig einzuschätzen, soziale Dynamiken zu verstehen und in verschiedenen Umgebungen erfolgreich zu navigieren.

3. Nutzung formeller und informeller Bildungschancen: Bildungsfähige Menschen erkennen und nutzen Lernmöglichkeiten in allen Lebensbereichen. Sie sehen nicht nur in formalen Bildungseinrichtungen, sondern auch in Alltagserfahrungen, Gesprächen oder Hobbys Chancen zur Weiterentwicklung.

4. Interdisziplinäres Denken: Ein weiterer wichtiger Aspekt ist die Fähigkeit, Wissen aus verschiedenen Bereichen zu verknüpfen, um neue Erkenntnisse zu gewinnen. Dies könnte sich darin zeigen, dass jemand Konzepte aus der Biologie auf wirtschaftliche Probleme anwendet oder künstlerische Prinzipien in der Softwareentwicklung einsetzt.

5. Kritische Bewertung von Informationen: In einer Zeit der Informationsüberflutung ist die Fähigkeit, Informationen kritisch zu bewerten und sich vor Manipulation zu schützen, von entscheidender Bedeutung. Bildungsfähige Menschen können Quellen hinterfragen, Argumente auf ihre Stichhaltigkeit prüfen und Fakten von Meinungen unterscheiden.

“Our educability has been our main asset in developing our civilization, and it enables the rapid spread of useful knowledge. However, it becomes a liability if information that is questionable but not detected as such is added to the mix.” (“Unsere Bildungsfähigkeit war unser Hauptvorteil bei der Entwicklung unserer Zivilisation und ermöglicht die schnelle Verbreitung von nützlichem Wissen. Sie wird jedoch zu einer Schwäche, wenn fragwürdige Informationen hinzukommen, die nicht als solche erkannt werden.”) – Leslie Valiant (Quelle)

Diese Aspekte der Bildungsfähigkeit bilden ein flexibles und vernetztes System des Wissensmanagements. Im Gegensatz zur künstlichen Intelligenz, die in einem festgelegten Rahmen trainiert wird, kann sich der menschliche Geist kontinuierlich weiterentwickeln und sein Wissen in immer neuen Kontexten anwenden.

Valiant kritisiert den Begriff „Intelligenz“, da er seiner Meinung nach zu unscharf definiert und oft missverstanden wird. Intelligenztests und ähnliche Messungen erfassen nur einen Teil dessen, was wirklich wichtig ist, um die Welt in ihrer Komplexität zu verstehen. Bildungsfähigkeit hingegen beschreibt eine breitere Kompetenz: Sie beinhaltet nicht nur das #Lernen aus direkten Erfahrungen, sondern auch das Lernen aus Büchern, Gesprächen oder den Erfahrungen anderer Menschen.

Dieser ganzheitliche Ansatz des Lernens und der Wissensanwendung macht die Bildungsfähigkeit zu einem zentralen Konzept für das Verständnis menschlicher Kognition und für die Gestaltung von Bildungssystemen in einer sich schnell wandelnden Welt.

Leslie Valiant: Pionier der künstlichen Intelligenz

Leslie Valiant ist ein renommierter Informatiker und Mathematiker, der an der Harvard University lehrt. Er hat bedeutende Beiträge zur Entwicklung von maschinellem Lernen und verteilten Rechensystemen geleistet. Für seine Arbeit wurde er unter anderem 2010 mit dem Turing Award ausgezeichnet, der höchsten Auszeichnung in der Informatik. Seine Perspektive auf Bildungsfähigkeit ist besonders relevant im Kontext seiner Forschung zu künstlicher Intelligenz (#KI), da er die Grenzen der Lernfähigkeit von Maschinen im Vergleich zum menschlichen Lernen aufzeigt.

“We need a broader theory of our cognition, beyond currently implemented machine learning. Some existing concepts are not so helpful. There is general appreciation within the psychology community that the concept of 'intelligence' is not one that is well-defined.” (“Wir brauchen eine breitere Theorie unserer Kognition, die über die derzeit implementierte maschinelle Lernfähigkeit hinausgeht. Einige bestehende Konzepte sind nicht sehr hilfreich. In der Psychologie ist man sich weitgehend einig, dass der Begriff der 'Intelligenz' nicht klar definiert ist.”) – Leslie Valiant (Quelle)

Fazit

Valiants Konzept der Bildungsfähigkeit bietet wertvolle Einsichten für das Bildungswesen und die Gesellschaft im Allgemeinen. Im Bildungsbereich wird deutlich, dass es nicht nur darum gehen kann, kurzfristig Wissen zu vermitteln. Vielmehr sollten Schulen und Universitäten darauf abzielen, die Fähigkeit der Lernenden zu fördern, Wissen langfristig zu speichern und es flexibel auf neue Situationen anzuwenden. Kritisches Denken, Problemlösungsfähigkeiten und lebenslanges Lernen müssen im Zentrum moderner Bildung stehen, anstatt nur auf das Auswendiglernen von Fakten zu setzen.

Auch für die Gesellschaft bietet Valiants Konzept wichtige Ansätze. In einer Zeit, in der Desinformation und gezielte Manipulation immer mehr zunehmen, betont Valiant die Notwendigkeit, Menschen zu befähigen, Informationen kritisch zu hinterfragen. #Bildung sollte dazu beitragen, die Bevölkerung gegen gezielte Desinformation zu „härten“, indem sie lehrt, wie man Informationen bewertet und sich gegen Propaganda schützt.

Für mich persönlich zeigt Valiants Konzept, wie wichtig es ist, sich stetig weiterzubilden und offen für neue Erfahrungen zu bleiben. Als Dozent und Coach habe ich erfahren, wie wertvoll es ist, Wissen aus verschiedenen Bereichen zu verknüpfen und über den Moment hinaus zu denken. Durch die bewusste Suche nach neuen Perspektiven und die Reflexion über das, was ich bereits gelernt habe, kann ich meine eigene Bildungsfähigkeit weiter ausbauen – und genau das versuche ich auch meinen Studierenden zu vermitteln.

💬 Kommentieren (nur für write.as-Accounts)

Discuss...

Bildquelle Domenico Fetti (1588/89–1623): Archimedes Pensativo, Gemäldegalerie Alte Meister, Dresden, Public Domain.

Disclaimer Teile dieses Texts wurden mit Deepl Write (Korrektorat und Lektorat) überarbeitet. Für die Recherche in meinen Notizen und Links wurde NotebookLM von Google verwendet.

Topic #Erwachsenenbildung

Michael Gisiger

Erwachsenenbildner und Coach mit 20+ Jahren Erfahrung. Aus philosophischer Perspektive schreibe ich über Produktivität, PKM und Coaching – fundiert und praxisnah.

Website · Mastodon · Nolto · Bluesky · LinkedIn

Eigentlich wissen wir seit den 1980er-Jahren, woran unser Bildungswesen krankt. Bildungspsychologe Benjamin Bloom hat in seiner wegweisenden Studie [1] zum „Zwei-Sigma-Problem“ gezeigt, dass Schüler, die im Einzelunterricht unterrichtet werden, durchschnittlich zwei Standardabweichungen besser abschneiden als ihre Mitschüler im traditionellen Klassenzimmer. Diese Erkenntnis unterstreicht das enorme Potenzial individueller Förderung, die im traditionellen Bildungssystem oft nicht realisiert werden kann – es fehlen schlicht die Ressourcen. Einzelunterricht ermöglicht es, auf die spezifischen Bedürfnisse der Schüler einzugehen, sofortiges Feedback zu geben und Lernstrategien anzupassen, was zu erheblichen Leistungssteigerungen führt.

Was wäre aber, wenn wir diese Art der personalisierten #Bildung für alle Schüler zugänglich machen könnten? Hier kommen moderne Technologien ins Spiel, insbesondere die künstliche Intelligenz (KI). Obwohl Bloom in den 1980ern noch nichts von KI ahnen konnte, öffnet seine Studie doch die Tür zu Überlegungen, wie wir die Vorteile des Einzelunterrichts durch den Einsatz von Technologie skalieren könnten. KI-Tutoren bieten genau diese Möglichkeit: Sie könnten die Lücken füllen, die traditionelle Bildungssysteme oft hinterlassen, und jedem Schüler eine massgeschneiderte Unterstützung bieten.

In diesem Blogbeitrag werde ich die Chancen und Herausforderungen, die mit dem Einsatz von KI-Tutoren verbunden sind, näher betrachten. Ich will aufzeigen, wie KI das #Lernen personalisieren, die Motivation und das Engagement der Schüler steigern und Lehrkräfte unterstützen kann. Gleichzeitig werde ich die potenziellen Risiken thematisieren, wie etwa den Verlust der menschlichen Interaktion und die Herausforderungen des Datenschutzes. Dabei ziehe ich auch historische Vergleiche heran, um zu verstehen, wie frühere technologische Innovationen die Bildung verändert haben und welche Lehren wir daraus für den Einsatz von KI-Tutoren ziehen können.

Chancen & Möglichkeiten von KI-Tutoren

Im Bildungswesen stehen wir immer vor der Herausforderung, wie wir den Lernprozess effizienter und zugänglicher gestalten können. Künstliche Intelligenz als Tutor bietet vielversprechende Möglichkeiten, diese Herausforderungen zu meistern. Die Integration von KI in den Bildungsprozess könnte die individuellen Lernbedürfnisse der Schüler besser ansprechen. Im Folgenden betrachte ich die wichtigsten Chancen, die KI-Tutoren bieten.

1. Eine der grössten Stärken von KI-Tutoren liegt in ihrer Fähigkeit, das Lernen zu personalisieren. Im Gegensatz zum traditionellen Unterricht, bei dem eine Lehrperson versucht, einer ganzen Klasse gerecht zu werden, kann eine #KI auf die individuellen Bedürfnisse und Lerngeschwindigkeiten aller Schülerinnen und Schüler eingehen. Dies ermöglicht es, den Lernstoff adaptiv anzupassen und so die Effizienz des Lernprozesses zu maximieren. Ethan Mollick betont denn auch in seinem aktuellen Buch Co-Intelligence. Living and Working with AI, dass „a powerful, adaptable, and cheap personalized tutor is the holy grail of education“ sei (S. 135). Meine Ausführungen beziehen sich hautsächlich auch auf dieses Buch.
2. Ein weiterer Vorteil von KI-Tutoren ist ihre ständige Verfügbarkeit. Während Lehrpersonen nur begrenzt verfügbar sind, kann eine KI rund um die Uhr Unterstützung bieten. Dies ist besonders nützlich für Schülerinnen und Schüler, die ausserhalb der regulären Schulzeiten lernen möchten oder zusätzliche Hilfe benötigen. Ausserdem können KI-Tutoren eine grosse Anzahl von Schülerinnen und Schüler gleichzeitig unterstützen, was die Skalierbarkeit der individuellen Förderung erheblich erhöht.
3. KI-Tutoren haben das Potenzial, die Motivation und das Engagement der Schülerinnen und Schüler zu steigern. Durch den Einsatz von interaktiven Übungen, Spielen und personalisiertem Feedback kann der Lernprozess interessanter und ansprechender gestaltet werden. Dies fördert nicht nur das Verständnis, sondern auch die Freude am Lernen. „AI provides the chance to generate new approaches to pedagogy that push students in ambitious ways“, schreibt Mollick (S. 140).
4. Eine der beeindruckendsten Fähigkeiten von KI-Tutoren ist ihre Fähigkeit, Wissenslücken zu analysieren und gezielte Hilfestellungen zu bieten. Durch die Analyse der Leistungsmuster der Schülerinnen und Schüler kann die KI genau erkennen, wo die Schwierigkeiten liegen, und entsprechende Unterstützung bieten. Dies ermöglicht eine tiefere und effektivere Förderung, als dies in einem traditionellen Klassenzimmer möglich wäre (Drösser [2024], S. 46).
5. KI-Tutoren können auch eine wertvolle Unterstützung für Lehrkräfte sein. Sie können Lehrpersonen bei der Unterrichtsvorbereitung, -durchführung und -analyse entlasten und ihnen mehr Zeit für die individuelle Betreuung der Schülerinnen und Schüler geben. In einem Abschnitt über die Rolle der Lehrer in einer von KI unterstützten Zukunft schreibt Mollick: „The biggest change will be in how teaching actually happens. Today, that is often by an instructor lecturing a class“ (S. 145). Mit der Unterstützung von KI könnten Lehrkräfte sich mehr auf die Interaktion mit den Schülerinnen und Schüler und die Förderung ihrer individuellen Stärken konzentrieren.

Ein praktisches Beispiel für den erfolgreichen Einsatz von KI als Tutor ist die Khan Academy mit ihrem Tutor Khanmigo. Die gemeinnützige Bildungsplattform nutzt KI, um personalisierte Lernwege für Schülerinnen und Schüler zu erstellen und ihnen individuell abgestimmte Unterstützung zu bieten. Khanmogo hilft den Lernenden, Lernlücken zu schliessen und ihre Kenntnisse in verschiedenen Fächern zu vertiefen. Die Khan Academy zeigt, wie KI-Tutoren das Lernen interaktiver und ansprechender gestalten können. Die Plattform bietet interaktive Übungen, Videos und personalisiertes Feedback, das auf die individuellen Bedürfnisse jedes Lernenden abgestimmt ist. Dies steigert die Motivation der Schülerinnen und Schüler und ermöglicht eine gezielte Förderung.

Mollick betont, dass „AI provides the chance to generate new approaches to pedagogy that push students in ambitious ways“ (S. 140). Die Khan Academy nutzt diese Möglichkeit, indem sie Lernenden ermöglicht, in ihrem eigenen Tempo zu lernen und gezielte Unterstützung zu erhalten. Ein weiterer Vorteil ist die Identifikation von Wissenslücken. Die Khan Academy verwendet Algorithmen, um die Leistungsmuster der Lernenden zu analysieren und gezielte Übungen und Erklärungen anzubieten, um diese Lücken zu schliessen. Dies zeigt, wie effektiv KI-Tutoren den Lernprozess personalisieren und optimieren können.

Mögliche Risiken & Herausforderungen

Die Einführung von KI-Tutoren in der Schule bringt neben den zahlreichen Chancen auch einige Risiken und Herausforderungen mit sich. Während die Vorteile offensichtlich sind, ist es wichtig, auch die potenziellen Nachteile zu berücksichtigen und Massnahmen zu entwickeln, um diesen entgegenzuwirken. Im Folgenden betrachte ich die wichtigsten Risiken und Herausforderungen, die mit der Nutzung von KI-Tutoren verbunden sind.

1. Eine der grössten Gefahren bei der Nutzung von KI-Tutoren ist die Möglichkeit des Betrugs. Da KI sehr gut darin ist, Informationen zusammenzufassen und anzuwenden, besteht die Gefahr, dass Schüler diese Fähigkeiten ausnutzen, um ihre Hausaufgaben oder Projekte zu erledigen, ohne wirklich zu lernen. Mollick schreibt dazu: „With AI, cheating is trivial. In fact, the core capabilities of AI seem almost built for cheating“ (S. 136). Dies erfordert, dass Bildungseinrichtungen klare Richtlinien für den Umgang mit KI aufstellen und sicherstellen, dass die Schülerinnen und Schüler den Lernstoff tatsächlich verstehen und nicht nur KI-generierte Antworten wiedergeben.
2. Ein weiterer kritischer Punkt ist die fehlende menschliche Interaktion. Der traditionelle Unterricht bietet nicht nur Wissen, sondern auch soziale und emotionale Unterstützung durch die Lehrkräfte. Diese Aspekte sind schwer durch KI zu ersetzen. Schülerinnen und Schüler profitieren von der persönlichen Beziehung zu ihren Lehrpersonen, die sie motivieren, ermutigen und ihnen bei persönlichen Problemen helfen können. Der Philosoph Gary Marcus weist darauf hin, dass „[d]as Problem mit solchen Systemen ist nicht, dass sie Fehler machen, es liegt darin, dass man nie weiss, wann und wo“, [2] was die Notwendigkeit einer menschlichen Komponente im Bildungsprozess unterstreicht.
3. Ein weiterer wichtiger Aspekt ist der Datenschutz. Die Nutzung von KI-Tutoren erfordert die Erhebung und Verarbeitung grosser Mengen an Daten von Schülerinnen und Schüler, um personalisierte Lerninhalte anbieten zu können. Dies wirft Fragen des Datenschutzes und der Datensicherheit auf. Es muss sichergestellt werden, dass die gesammelten Daten sicher gespeichert und verwendet werden und dass die Privatsphäre der Schüler gewahrt bleibt.
4. KI-Systeme sind nur so gut wie die Daten, mit denen sie trainiert wurden. Wenn diese Daten Vorurteile oder Diskriminierungen enthalten, können diese auch von der KI übernommen und verstärkt werden. Dies könnte zu unfairen Beurteilungen und Ungleichheiten führen. Es ist daher entscheidend, dass die Trainingsdaten sorgfältig ausgewählt und überprüft werden, um solche Verzerrungen zu minimieren.
5. Schliesslich besteht die Gefahr, dass KI-Tutoren als Allheilmittel betrachtet werden und die Bedeutung pädagogischer Expertise und menschlicher Interaktion vernachlässigt wird. KI kann den Lernprozess unterstützen, sollte aber nicht die einzige Quelle des Wissens und der Anleitung sein. Mollick betont: „We stand on the cusp of an era when AI changes how we educate—empowering teachers and students and reshaping the learning experience—and, hopefully, achieve that two sigma improvement for all“ (S. 148). Es ist wichtig, ein ausgewogenes Verhältnis zwischen technologischer Unterstützung und menschlicher Anleitung zu finden, um die bestmöglichen Bildungsergebnisse zu erzielen.

Historische Parallele: Der Taschenrechner

Technologische Innovationen haben die Bildungslandschaft immer wieder verändert. Eine dieser Veränderungen war die Einführung von Taschenrechnern im Unterricht in den 1970er Jahren. Ein Blick auf diese Einführung hilft, die potenziellen Auswirkungen von KI-Tutoren besser zu verstehen. Als Taschenrechner erstmals in den Unterricht eingeführt wurden, gab es erhebliche Bedenken und Widerstände. Viele Lehrkräfte (und Eltern) befürchteten, dass Schülerinnen und Schülern grundlegende Rechenfähigkeiten verlernen könnten. Doch im Laufe der Zeit wurde deutlich, dass Taschenrechner nicht nur die Effizienz des Lernens steigerten, sondern auch neue Möglichkeiten zur Lösung komplexer Probleme eröffneten. Ähnlich wie bei der Einführung von Taschenrechnern erfordert die Integration von KI in die Bildung Zeit, Anpassung und eine offene Diskussion.

Eine Studie aus den 1970er Jahren zeigte, dass 84 Prozent der Lehrpersonen Taschenrechner in ihren Klassen verwenden wollten, doch nur drei Prozent arbeiteten in Schulen, die solche Geräte zur Verfügung stellten. Lehrkräfte benötigten Unterstützung durch die Schuladministration und Eltern, um Taschenrechner in den Unterricht zu integrieren (Mollick [2024], S. 138). Diese Zahlen verdeutlichen die Herausforderungen und den Widerstand, der neuen Technologien oft entgegenschlägt. Die Einführung von Taschenrechnern führte zu neuen pädagogischen Ansätzen. Lehrkräfte begannen, Schülerinnen und Schülern zunächst die Grundlagen der Mathematik beizubringen, bevor sie ihnen erlaubten, Taschenrechner zu verwenden, um realistischere und komplexere Probleme zu lösen. Ähnlich könnte die Integration von KI-Tutoren den Unterricht verändern, indem sie Lehrenden ermöglichen, sich auf die Vermittlung kritischer Denkfähigkeiten und die Anwendung von Wissen zu konzentrieren.

Es ist entscheidend, die Herausforderungen der KI-Integration offen zu diskutieren und Massnahmen zu entwickeln, um potenzielle Nachteile zu minimieren. Nur durch eine sorgfältige und durchdachte Implementierung können wir die Vorteile von KI-Tutoren voll ausschöpfen und gleichzeitig die Risiken minimieren.

Historische Parallele: Der Buchdruck & das Internet

Auch der Buchdruck, die Schreibmaschine und das Internet haben die Art und Weise, wie wir lernen und lehren, revolutioniert. Jede dieser Innovationen wurde zunächst skeptisch betrachtet (vgl. dazu z. B. Drösser [2024], S. 34 ff.). Beim Buchdruck gab es Bedenken, dass Bücher die mündliche Überlieferung und das Gedächtnis der Menschen schwächen könnten. Ähnlich wurden Schreibmaschinen und Textverarbeitungssysteme zunächst kritisch gesehen, bevor ihre Vorteile erkannt wurden. Das Internet hat schliesslich die Verfügbarkeit von Informationen und die Art des Lernens drastisch verändert. Christoph Drösser betont, dass es wichtig ist, aus diesen Erfahrungen zu lernen und KI als Werkzeug zu begreifen, das neue Möglichkeiten des Lernens und Lehrens eröffnet, ohne den Menschen zu ersetzen. „Es ist viel zu früh, ein abschliessendes Urteil über Sprachmodelle wie ChatGPT abzugeben“, warnt er und unterstreicht die Notwendigkeit, die Entwicklungen genau zu beobachten und anzupassen (S. 8).

Die Erfahrungen mit früheren Technologien zeigen, dass diese nicht nur die Art und Weise, wie Wissen vermittelt wird, verändert haben, sondern auch das Lernen bereichert haben. Die Integration von KI-Tutoren sollte auf diesen Erfahrungen aufbauen. Lehrende und Lernende müssen lernen, wie sie KI effektiv nutzen können, um den Lernprozess zu verbessern. Dies erfordert eine kontinuierliche Reflexion und Anpassung der pädagogischen Ansätze. Der Erwerb von Wissen und Fähigkeiten bleibt auch in einer von KI geprägten Welt zentral. „Technische Veränderungen haben zu allen Zeiten nicht nur die Produktionsbedingungen der Kreativbranche beeinflusst, sondern auch die Produkte“ schreibt Drösser und hebt hervor, dass technologische Fortschritte immer als Ergänzung und nicht als Ersatz des menschlichen Lernens und Lehrens betrachtet werden sollten (S. 59).

Schlussfolgerung

Die Integration von KI-Tutoren in die Bildung hat das Potenzial, das Lernen individueller, effektiver und zugänglicher zu gestalten. Die Möglichkeit, personalisiertes Lernen anzubieten, das rund um die Uhr verfügbar ist und auf die individuellen Bedürfnisse der Schülerinnen und Schüler eingeht, stellt einen bedeutenden Fortschritt dar. KI kann Lehrkräfte entlasten, indem sie bei der Unterrichtsvorbereitung, -durchführung und -analyse unterstützt und so mehr Zeit für die individuelle Betreuung der Schüler schafft.

Gleichzeitig müssen die Herausforderungen und Risiken ernst genommen werden. Die Gefahr des Betrugs, die fehlende menschliche Interaktion, Datenschutzbedenken und mögliche Verzerrungen in den Daten sind nicht zu unterschätzen. Es ist wichtig, dass Bildungseinrichtungen klare Richtlinien für den Einsatz von KI aufstellen und sicherstellen, dass die Technologie verantwortungsvoll genutzt wird.

Die Erfahrungen aus der Vergangenheit, wie die Einführung von Taschenrechnern oder die Verbreitung des Internets, zeigen, dass technologische Innovationen das Bildungssystem bereichern können, wenn sie richtig eingesetzt werden. Dabei bleibt der Mensch als Lehrer und Mentor unersetzlich. Drösser hebt folgerichtig immer wieder hervor, dass technologische Fortschritte immer als Ergänzung und nicht als Ersatz des menschlichen Lernens betrachtet werden sollten (z. B. S. 42).

Eine aktuelle Studie von Bastani et al. [3] hat gezeigt, dass generative KI sowohl Vorteile als auch Nachteile haben kann. Während GPT-4-basierte Tutoren die Leistung und die Motivation signifikant verbessern können, kann die Verwendung von KI ohne die Entwicklung kritischer Denkfähigkeiten die Leistung bei ununterstützten Prüfungen verschlechtern. Dies unterstreicht die Notwendigkeit spezialisierter KI-Lösungen und die Wichtigkeit, Schülerinnen und Schüler im kritischen Umgang mit KI zu schulen. [4] Die Studie zeigt, dass „substantial work is required to enable generative AI to positively enhance rather than diminish education“ (Quelle).

Letztendlich wird der Erfolg von KI in der Bildung davon abhängen, ob es gelingt, die Technologie sinnvoll in den pädagogischen Kontext zu integrieren und die Zusammenarbeit zwischen Mensch und Maschine zu fördern. Die Zukunft der Bildung im Zeitalter der KI bietet grosse Chancen, erfordert aber auch eine sorgfältige und durchdachte Implementierung. Indem wir die richtigen Lehren aus der Vergangenheit ziehen und die Herausforderungen der Gegenwart meistern, können wir eine Bildungslandschaft schaffen, die sowohl technologische als auch menschliche Stärken vereint.

💬 Kommentieren (nur für write.as-Accounts)

Discuss...

Fussnoten [1] https://doi.org/10.3102/0013189X013006004 [2] zit. nach Lenzen (2024), S. 51. [3] https://dx.doi.org/10.2139/ssrn.4895486 [4] So betont Laura Dumin von der University of Central Oklahoma z.B., dass Wissen und kritisches Denken wichtig sind und Lehrende ihren Schülerinnen und Schülern beibringen müssen, wann es angebracht ist, KI um Hilfe zu bitten und wann nicht (Drösser [2024], S. 47).

Literatur

• Christoph Drösser (2024): Was macht KI mit unserer Sprache? Perspektiven auf Chat GPT und Co., Berlin: Duden.
• Manuela Lenzen (2024): Der elektronische Spiegel. Menschliches Denken und künstliche Intelligenz, München: C.H. Beck.
• Ethan Mollick (2024): Co-Intelligence. Living and Working with AI, London: Vermilion.

Bildquellen

1. Albert Anker (1831–1910): Die Dorfschule von 1848, Kunstmuseum Basel, Public Domain.
2. Albert Anker (1831–1910): Das Schulexamen, Kunstmuseum Bern, Public Domain.

Disclaimer Teile dieses Texts wurden mit Deepl Write (Korrektorat und Lektorat) überarbeitet. Für die Recherche in den erwähnten Werken und in meinen Notizen wurde NotebookLM von Google verwendet.

Topic #Erwachsenenbildung | #Maschinenwelten

Michael Gisiger

Erwachsenenbildner und Coach mit 20+ Jahren Erfahrung. Aus philosophischer Perspektive schreibe ich über Produktivität, PKM und Coaching – fundiert und praxisnah.

Website · Mastodon · Nolto · Bluesky · LinkedIn