Hello from Hamburg,
neulich saß ich auf einem Panel der Innovationsberatung Trendone. Die Frage, die wir diskutierten: Wenn agentische KI immer mehr kann – was müssen dann Menschen noch können? Und was bedeutet die Aussicht, dass Agenten nach und nach Tätigkeiten übernehmen, die bislang Menschen vorbehalten waren, für Lernen, Aus- und Weiterbildung an Schulen, Hochschulen und in Unternehmen?
Arbeit scheint gerade vom Tun zum Beauftragen, vom Abarbeiten zum Beurteilen, vom Prozess zum Ergebnis zu wandern. Ich erledige manches nicht mehr selbst, sondern formuliere einen Auftrag, prüfe das Ergebnis, schärfe nach oder verwerfe es. KI generierte Arbeitsergebnisse klingen sicher, sind flüssig formuliert und liefern in Sekunden Ergebnisse, für die wir Menschen bis vor einiger Zeit noch Stunden gebraucht hätten. KI Agenten erzeugen allerdings auch viele im Brustton der Überzeugung geäußerte falsche Behauptungen und eine Menge Gemeinplätze und Bullshit (kommt auch im echten Leben vor). Immerhin geben sie das gleich zu: „Du hattest recht: …. Der Fehler war… Korrekt ist…“ und arbeiten sofort um (wie nicht oft im echten Leben).
Was folgt daraus? Dass wir uns stärker auf die Ergebnisse konzentrieren müssen als auf den Entstehungsprozess? Dass die eigentliche Arbeit künftig stärker davor und danach liegt – also in der Formulierung des Auftrags und in der Beurteilung des Resultats? Nicht ganz, denn die Qualität erreichen wir zurzeit noch, wenn Mensch und Maschine auch im Entstehungsprozess zusammenarbeiten. Dauerhaft Feedback geben und dieses anschließend diszipliniert in die Konfiguration des Agenten übersetzen. Klingt anspruchsvoll, ist es auch. Wahrscheinlich wird Urteilskraft die entscheidende Kulturtechnik einer KI-geprägten Arbeitswelt sein. Aber woraus besteht Urteilskraft und wie lernen wir sie?
Ein erster Baustein könnte die Fähigkeit sein, Probleme sauber zu formulieren. Noch vor dem ersten Prompt beginnt die eigentliche Arbeit: Was ist hier überhaupt die Frage? Welche Annahmen stecken darin? Was wäre ein gutes Ergebnis – und woran würden wir erkennen, dass es ein schlechtes ist? Wer diese Vorarbeit nicht leistet, bekommt schnelle Antworten auf falsch gestellte Fragen.
Ein zweiter Baustein dürfte nach wie vor Wissen sein. KI kann überzeugende Texte erzeugen, auch dort, wo sie inhaltlich auf dünnem Eis steht. Um das zu bemerken, braucht es Fachkenntnis, Erfahrung und Gefühl für die Zusammenhänge, in denen sich das Problem bewegt. Wer von einer und benachbarten Sachen gar nichts versteht, kann schwer beurteilen, ob die Maschine gerade assistiert oder halluziniert.
Ein dritter Punkt wäre die Fähigkeit zur Kalibrierung. Wer mit KI arbeitet, muss Lücken, Auslassungen, falsche Kausalitäten und unsaubere Zahlen erkennen können. Das ist Fehlersuche – nicht nur im Code, sondern in Argumenten und Schlussfolgerungen. Der neue Analphabet ist nicht derjenige, der keine KI bedienen kann, sondern derjenige, der ihre Fehler nicht bemerkt.
Und schließlich: Lernfähigkeit unter Unsicherheit. Also die Bereitschaft, sich in sperrige Texte, neue Modelle und unbequeme Fragen hineinzubeißen und dabei nicht lockerzulassen. „Friction Paradox“ nannte es ein Neurowissenschaftler, dem ich letztes Jahr an der Stanford Business School zugehört habe: Wenn unser Gehirn sich nicht mehr anstrengen muss, weil KI alles bequemer macht, und wir diesen Muskel nicht dauernd trainieren, werden die Menschen dümmer während die Maschinen exponentiell dazu lernen und klüger werden.
Urteilskraft setzt einen eigenen Standpunkt voraus: genuines Wissen, eine eigene Meinung, durch Erfahrung gebildete Intuition. Wie können Aus- und Weiterbildung diese Kulturtechnik unterstützen?
Auf dem eingangs erwähnten Podium musste ich an einen Erdkundelehrer denken, den ich auf einer Familienfeier traf. Er erzählte mir, wie er heute ein Referat, zum Beispiel über die Antarktis, bewertet. Seine Schülerinnen und Schüler müssen die Antarktis zweimal bearbeiten: einmal selbst und einmal mit ChatGPT. Bewertet wird nicht das inhaltliche Ergebnis, sondern der Unterschied. Wo ist die KI stärker, wo schwächer? Was lernt der Schüler über Qualität, über den eigenen Stil und über die Zusammenarbeit mit dem Werkzeug? Das Wissen über die Antarktis stellt sich beiläufig ein. Eine Professorin einer Münchener Fachhochschule berichtete auf dem Podium, dass das Kollegium darüber nachdenkt, handschriftliche Prüfungsaufgaben zu verteilen. Nicht nur um eigenständige Leistung bewerten zu können, sondern auch um Formen des eigenständigen Denkens zu trainieren und damit dem Friction Paradox Paroli zu bieten.
Unternehmen stehen vor der Frage, dass sie in vielen Feldern – Recht, Buchhaltung, IT – Berufseinsteiger schon heute nicht mehr anlernen müssen, sondern durch KI ersetzen können. Das spüren Bewerberinnen und Bewerber auf Berufseinsteigerpositionen zurzeit massiv und bitter. Auf der anderen Seite brauchen Unternehmen die Urteilskraft in verantwortlicheren Positionen, die sich durch Ausbildung und Berufserfahrung allmählich formt. Was tun?
Wie seht Ihr das? Welche Kompetenzen haltet Ihr für entscheidend, wenn Menschen mit KI zusammenarbeiten? Und wie lernen wir sie – in Schule, Hochschule und Unternehmen?
Schreibt mir gerne. Herzliche Grüße
Markus Baumanns
