Die meisten von uns arbeiten heute noch erstaunlich umständlich mit künstlicher Intelligenz.
Wir unterbrechen, was wir gerade tun. Öffnen ChatGPT oder ein anderes System. Beschreiben unser Problem. Warten auf eine Antwort. Wechseln zurück in unsere eigentliche Arbeit.
Für eine Technologie, die einmal zu einem permanenten Denkpartner werden könnte, ist das ein ziemlich primitives Interaktionsmodell.
In den vergangenen Tagen habe ich deshalb intensiv darüber nachgedacht, wie sich unser Konzept der Co-Intelligenz weiterentwickeln könnte. Nicht im Sinne von: Welches neue KI-Gadget kann noch eine Aufgabe übernehmen? Sondern im Sinne unserer eigentlichen Frage:
Wie können Mensch und KI gemeinsam auf einem Gebiet Meisterschaft entwickeln?
Meine derzeitige Hypothese: Der entscheidende Sprung wird nicht allein durch ein noch besseres Sprachmodell entstehen. Er entsteht, wenn die Zusammenarbeit mit KI immer weniger von unserer eigentlichen Tätigkeit getrennt ist.
Sprache. Sehen. Kontext. Erinnerung.
Und irgendwann ein KI-Partner, der nicht erst dazukommt, wenn wir ihn aufrufen, sondern der den Arbeits- und Lernprozess mit uns durchläuft.
Der eigentliche Technologiesprung ist nicht das nächste Modell
Wir verbringen erstaunlich viel Zeit mit der Frage, welches Modell gerade vorne liegt. GPT? Claude? Gemini? Das ist relevant. Für Co-Intelligenz könnte langfristig aber eine andere Entwicklung wichtiger sein: die Schnittstelle zwischen Mensch und KI.
Sprache verändert bereits heute die Zusammenarbeit. Wenn ich während einer Tätigkeit mit der KI sprechen kann, muss ich meine Arbeit nicht mehr unterbrechen, um einen perfekten Prompt einzutippen.
Der nächste Schritt sind für mich Smart Glasses – allerdings nicht wegen Gesichtserkennung, Social-Media-Aufnahmen oder Navigation.
Interessant werden sie dort, wo die KI sehen kann, was ich sehe.
Stellen wir uns einen Elektriker bei der Fehlersuche in einem Schaltschrank vor. Einen Installateur, der versucht, die Ursache eines Problems einzugrenzen. Einen Tischler bei einer ungewohnten Verbindung. Oder einen Controller, der sich durch Zahlen und Abweichungen arbeitet.
Heute müssen wir die Situation der KI erklären.
Morgen könnte sie Teil der Situation sein.
Vom Assistenten zum Teammitglied
Damit verändert sich die Rolle der KI fundamental.
Vor Beginn einer Tätigkeit könnten wir gemeinsam die Ausgangslage klären:
Was wissen wir? Was wissen wir noch nicht? Wo liegen die Risiken? Worauf müssen wir besonders achten?
Während der Arbeit:
Das Ergebnis sieht anders aus als erwartet. Welche Hypothesen haben wir? Was sollten wir prüfen, bevor wir weitermachen?
Und danach:
Was haben wir gelernt? Wo lagen wir falsch? Was sollten wir beim nächsten Mal anders machen?
Das ist etwas völlig anderes als eine KI, die auf Zuruf Antworten produziert.
Es ist ein kontinuierlicher Lern- und Entscheidungsprozess.
Genau hier beginnt für mich echte Co-Intelligenz.
Mehr KI darf nicht weniger Mensch bedeuten
Hier liegt allerdings auch die größte Gefahr.
Wenn eine KI immer mehr weiß, immer mehr sieht und sich immer mehr merkt, liegt eine verführerische Schlussfolgerung nahe: Dann muss ich selbst weniger wissen.
Ich halte das für die falsche Richtung.
Die Forschung liefert dafür inzwischen erste wichtige Warnsignale. Eine CHI-2025-Studie von Lee und Kollegen befragte 319 Wissensarbeiter zu 936 konkreten Situationen, in denen sie generative KI bei ihrer Arbeit eingesetzt hatten. Höheres Vertrauen in die KI war mit weniger berichteter kritischer Denkarbeit verbunden; höheres Vertrauen in die eigene fachliche Kompetenz dagegen mit mehr kritischem Denken. Gleichzeitig verschob sich kritisches Denken stärker in Richtung Verifikation, Integration und Steuerung der Aufgabe.1
Eine frühere CHI-Arbeit von Tankelevitch und Kollegen beschreibt genau die Fähigkeiten, die dadurch wichtiger werden: Wir müssen KI sinnvoll anleiten, ihre Ergebnisse bewerten, entscheiden, wann wir ihnen vertrauen – und bewusst festlegen, welche Teile eines Arbeitsprozesses wir überhaupt automatisieren wollen.2
Mit anderen Worten:
Je leistungsfähiger unser KI-Partner wird, desto wichtiger wird unsere Fähigkeit, seine Leistung beurteilen zu können.
Ich muss genügend Fachwissen besitzen, um zu erkennen: Das klingt plausibel. Hier fehlt etwas. Diese Annahme ist falsch. Wir optimieren gerade das falsche Problem. Oder: Diese Lösung mag technisch funktionieren, aber sie führt uns nicht zu unserem Ziel.
Co-Intelligenz verlangt deshalb nicht weniger Kompetenz. Sie verändert, wofür wir Kompetenz brauchen.
Was ich als Kommandant gelernt habe
Vielleicht ist die beste Analogie dafür gar nicht technologisch.
Als Kompaniekommandant bestand meine Aufgabe nicht darin, alles besser zu wissen als jeder andere.
Im Gegenteil.
Man holt Lagebilder ein. Man hört Spezialisten. Man fragt andere Führungskräfte nach ihrer Einschätzung. Man fordert Alternativen und Gegenargumente. Menschen mit einem anderen Blickwinkel sehen Dinge, die man selbst übersieht.
Aber irgendwann endet die Beratung.
Dann muss jemand sagen:
Das ist die Lage. Das ist unser Ziel. Das ist meine Entscheidung.
Und mit dieser Entscheidung kommt Verantwortung.
Genau so stelle ich mir die Zusammenarbeit mit KI vor.
Die KI kann mehr Informationen verarbeiten, als ich es jemals könnte. Sie kann Optionen erzeugen, Zusammenhänge sichtbar machen, Risiken aufzeigen und meine Argumentation angreifen.
Aber am Ende darf meine Begründung nicht lauten:
„Die KI hat gesagt …“
Wenn ich die Entscheidung umsetze, trage ich auch die Verantwortung dafür.
Co-Intelligenz muss gelernt werden
Deshalb halte ich auch den Begriff „Prompt Engineering“ für zu eng.
Die entscheidende Fähigkeit besteht nicht darin, möglichst raffinierte Befehle an ein Sprachmodell zu schreiben.
Wir müssen lernen, mit einer nichtmenschlichen Intelligenz zusammenzuarbeiten.
Dazu gehört, eine Ausgangslage sauber zu beschreiben. Gute Fragen zu stellen. Annahmen offenzulegen. Gegenargumente einzufordern. Unsicherheit zu erkennen. Antworten nicht mit Wahrheit zu verwechseln. Entscheidungen zu treffen. Und anschließend zu prüfen, was tatsächlich funktioniert hat.
Das ist Teamarbeit.
Und wie jede gute Teamarbeit muss sie trainiert werden.
Auch hier ist die Forschung interessant. In einem großen Feldexperiment mit fast 1.000 Schülerinnen und Schülern im Mathematikunterricht verbesserten KI-Hilfen zunächst die Leistung während der Übungsphase deutlich. Wurde die KI später entfernt, schnitt die Gruppe mit weitgehend unbeschränktem GPT-Zugang jedoch schlechter ab als die Kontrollgruppe. Ein stärker als Tutor gestaltetes System, das eher Hinweise gab als Lösungen vorwegzunehmen, konnte diesen negativen Lerneffekt weitgehend abfedern.3
Das Experiment fand im Schulkontext statt. Man sollte daraus keine direkte Kausalbehauptung für Führungskräfte, Handwerker oder Wissensarbeiter ableiten.
Aber das Prinzip ist relevant: Bessere unmittelbare Leistung ist nicht automatisch besseres Lernen.
Das gemeinsame Gedächtnis
Hier werden Smart Glasses für mich besonders interessant.
Nicht weil sie uns noch mehr Informationen ins Sichtfeld projizieren. Sondern weil sie helfen könnten, Erfahrung festzuhalten.
Vor kurzem musste ich eine große Schraube in einen Holzbalken setzen. Eine sinnvolle Vorgehensweise war, vorher mit einem deutlich kleineren Durchmesser vorzubohren.
Heute kann ich dieses Wissen lernen – und Monate später wieder vergessen.
In einem zukünftigen Co-Intelligenz-System könnte die KI nicht nur allgemeines Wissen besitzen. Sie könnte sich an unsere gemeinsame Erfahrung erinnern.
Beim letzten Mal hatten wir hier ein Problem.
Diese Vorgehensweise hat funktioniert.
Damals hast du diesen Schritt übersprungen.
Bevor wir beginnen: Wollen wir wieder dieselbe Checkliste durchgehen?
Das wäre mehr als ein klassisches Second Brain.
Es wäre ein gemeinsames Erfahrungs- und Lernsystem von Mensch und KI.
Was Meisterschaft dann bedeutet
Damit kommen wir zur entscheidenden Frage.
Was bedeutet Meisterschaft in einer Welt, in der uns permanent eine leistungsfähige künstliche Intelligenz begleiten kann?
Sicher nicht:
Ich kann alles ohne Hilfsmittel.
Aber genauso wenig:
Die KI kann es für mich.
Unsere derzeitige Hypothese lautet:
Meisterschaft mit KI bedeutet, genügend eigenes Können und Urteilsvermögen aufzubauen, um gemeinsam mit der KI Ergebnisse zu erreichen, die keiner von beiden allein erreicht hätte – und dabei selbst weiterzulernen.
Der letzte Teil ist entscheidend.
Wenn nur das Ergebnis besser wird, während meine eigene Urteilsfähigkeit verkümmert, dann haben wir keine Co-Intelligenz geschaffen.
Wir haben Abhängigkeit geschaffen.
Das eigentliche Experiment der nächsten Jahre
Vielleicht lautet die spannendste Frage deshalb gar nicht, wie intelligent KI in den kommenden Jahren wird.
Die spannendere Frage lautet:
Was passiert mit unserer eigenen Intelligenz, wenn wir jeden Tag mit einer immer leistungsfähigeren künstlichen Intelligenz zusammenarbeiten?
Werden wir passiver?
Oder lernen wir, bessere Fragen zu stellen, sauberer zu denken, schneller aus Fehlern zu lernen und bessere Entscheidungen zu treffen?
Genau dort sehe ich unser Experiment mit Co-Intelligenz.
Nicht: Wie viel Arbeit kann KI uns abnehmen?
Sondern:
Wie weit können Mensch und KI gemeinsam kommen, wenn Meisterschaft weiterhin verdient werden muss?
Learn. Apply. Prove It.
Literatur und Quellen
1. Lee, H.-P. (Hank) et al. (2025). “The Impact of Generative AI on Critical Thinking: Self-Reported Reductions in Cognitive Effort and Confidence Effects From a Survey of Knowledge Workers.” Proceedings of the 2025 CHI Conference on Human Factors in Computing Systems, Article 1121, 1–22. DOI: 10.1145/3706598.3713778
2. Tankelevitch, L. et al. (2024). “The Metacognitive Demands and Opportunities of Generative AI.” Proceedings of the 2024 CHI Conference on Human Factors in Computing Systems, Article 680, 1–24. DOI: 10.1145/3613904.3642902
3. Bastani, H., Bastani, O., Sungu, A., Ge, H., Kabakcı, Ö. & Mariman, R. (2025). “Generative AI without guardrails can harm learning: Evidence from high school mathematics.” Proceedings of the National Academy of Sciences, 122(26), e2422633122. DOI: 10.1073/pnas.2422633122
4. Sarkar, A. et al. (2025). “Rethinking AI in Knowledge Work: From Assistant to Tool for Thought.” Microsoft Research. Microsoft Research
Hinweis zur Entstehung: Dieser Beitrag ist im Rahmen unseres laufenden Co-Intelligenz-Experiments entstanden. Die Ausgangsthese, Beispiele und Schlussfolgerungen wurden von mir entwickelt und im Dialog mit KI geschärft. KI wurde als Sparringspartner für Struktur, Gegenargumente, Recherche und sprachliche Überarbeitung eingesetzt. Die inhaltliche Verantwortung und finale Bewertung bleiben beim Autor.