Wer schon länger mit KI arbeitet, kennt die Beobachtung aus eigener Praxis: Erfahrene Anwender bekommen bessere Ergebnisse als junge. Das liegt nicht nur daran, dass sie die Validität einer Antwort besser einschätzen können, weil sie ihr Fach kennen. Es liegt an etwas Größerem: der Gesamtheit dessen, was einen Menschen bis zu diesem Punkt geformt hat. Wer offen durchs Leben gegangen ist, Neues früh ausprobiert hat, viele unterschiedliche Problemstellungen schon erlebt hat, geht auch an eine KI-Ausgabe anders heran. Lösungskompetenz entsteht durch gelebte Erfahrung, nicht durch das Beherrschen einer Oberfläche. Und genau diese Kompetenz spiegelt sich im Umgang mit KI wider, in besseren Ergebnissen und in der Fähigkeit, schlechte von guten zu unterscheiden.
Die Forschung bestätigt das mittlerweile recht deutlich. Eine Studie der SBS Swiss Business School mit 666 Teilnehmenden unterschiedlichen Alters und Bildungsniveaus zeigt eine klare negative Korrelation zwischen häufiger KI-Nutzung und kritischem Denkvermögen, wobei jüngere Teilnehmende zwischen 17 und 25 Jahren deutlich stärker betroffen sind als jene über 46. Bemerkenswert dabei: Ein höheres Bildungsniveau wirkt unabhängig vom Alter wie ein Schutzfaktor. Besser Gebildete prüfen KI-Ausgaben häufiger nach und bringen mehr Skepsis mit. Eine Studie des MIT Media Lab kommt zu einem ähnlichen Befund: Beim Schreiben mit KI-Unterstützung sinkt die messbare kognitive Aktivität, besonders bei jungen Menschen, und auch das Erinnerungsvermögen an selbst erstellte Inhalte leidet.
Was das für die Schule bedeutet
Kinder in der Unterstufe sind kognitiv naturgemäß noch nicht fertig entwickelt. Genau deshalb ist der Einsatz von KI dort nicht dazu da, Aufgaben zu lösen, sondern kritisches Denken zu trainieren. Das ist ein fundamentaler Unterschied, der in der aktuellen Bildungsdebatte oft verloren geht. Der produktive Weg ist KI als Sparringpartner: Eine Antwort liefern lassen, sie hinterfragen, Gegenargumente suchen, Quellen prüfen, den eigenen Gedankengang mit dem der KI abgleichen. Wer so arbeitet, wird nachweislich klüger, im Sinne von trainierterem, wacherem Denken.
Der unproduktive Weg ist der Gegenpol: Aufgabe eingeben, Ergebnis übernehmen, abgeben. Charmant ausgedrückt führt das nicht gerade zu den geistigen Größen von morgen. Genau das zeigt sich auch empirisch: Wer kognitive Prozesse konsequent auslagert, baut die Fähigkeit ab, die er eigentlich trainieren müsste. Schulen, die KI als eigenes, isoliertes Fach behandeln, verpassen den Punkt. KI gehört quer durch jedes Fach eingesetzt, mit der ständigen Leitfrage: Stimmt das, was hier steht, und woher weiß ich das? Diese Frage ist wichtiger als jede Bedienkompetenz.
Was das für die Erwachsenenbildung bedeutet
Bei Erwachsenen liegt der Fall anders, aber das Prinzip bleibt gleich. Hier kann man technisch einsteigen, konkrete Tools, konkrete Anwendungsfälle, konkrete Zeitersparnis. Das ist legitim und notwendig. Aber auch hier gilt: kritisch bleiben. Wer in der Weiterbildung nur zeigt, wie man ein Tool bedient, ohne zu vermitteln, wo die Grenzen liegen, bildet Anwender aus, die genau in die Falle laufen, die die Forschung beschreibt: unreflektierte Übernahme statt geprüfter Nutzung.
Deshalb dürfen KI-Ethik und Governance in keiner Erwachsenenweiterbildung fehlen, egal wie technisch der Einstieg ist. Wer haftet für eine falsche KI-Ausgabe? Welche Daten dürfen überhaupt verwendet werden? Wo ist der Punkt, an dem man die Kontrolle bewusst behält, statt sie abzugeben? Das sind keine Zusatzmodule für Interessierte, das ist der Kern jeder seriösen Weiterbildung.
Die Konsequenz
Erfahrung ist der stärkste Hebel für gute KI-Ergebnisse, und Erfahrung lässt sich nicht abkürzen. Was man aber sehr wohl gestalten kann, ist der Rahmen, in dem junge Menschen und Erwachsene KI kennenlernen: als Sparringpartner, der zum Denken zwingt, nicht als Abkürzung, die das Denken erspart. Genau darauf sind meine Workshops ausgerichtet, technisch fundiert, aber mit Governance und Ethik als festem Bestandteil, nicht als Feigenblatt.
Teil 3 der Serie „KI – jo eh“. Im nächsten Beitrag: Datenstrategie als Vorarbeit.