Co-Intelligenz durch die Brille: Gemeinsam sehen, besser denken

Gestern haben wir über zwei Produkte gesprochen: die Ray-Ban Meta und mögliche kommende Brillen aus dem Google-/Samsung-Ökosystem. Eigentlich ging es uns aber um etwas anderes: Was verändert sich, wenn eine KI nicht mehr nur unsere Fragen liest, sondern auf Aufforderung dieselbe Situation sieht wie wir?

Stellen wir uns vor, ich stehe in meiner Werkstatt. Ich trage eine unauffällige Brille mit Kamera und Mikrofon, sehe eine beschädigte Holzverbindung und sage: „Schau dir das einmal an. Wie würdest du vorgehen?“ Nicht eine Suchmaschine soll mir zehn Links liefern. Ich möchte mit einem Gegenüber über das konkrete Problem nachdenken.

Genau hier beginnt für mich eine mögliche nächste Entwicklungsstufe der Co-Intelligenz: Mensch und KI beobachten, erklären, widersprechen, entwickeln Varianten und prüfen sie gemeinsam. Nicht als fertige Realität jeder heutigen Brille, sondern als Arbeitsweise, die wir technisch und didaktisch erproben wollen.

Heute ist Zusammenarbeit mit KI häufig noch umständlich. Ich fotografiere etwas, lade das Bild hoch, beschreibe den Kontext und erkläre, was ich erreichen will. Bei Dokumenten kopiere ich Text oder teile einen Bildschirm. Das funktioniert – aber die Übergabe kostet Aufmerksamkeit.

Eine KI-fähige Brille könnte diese Schwelle senken: Ich zeige auf eine Stelle, frage nach einer Einschätzung, höre eine Rückfrage und kann unmittelbar reagieren. Die Brille ist dabei nur die Schnittstelle. Der eigentliche Fortschritt wäre ein gemeinsamer Arbeitskontext.

Wichtig ist die Unterscheidung zwischen Vision und Produktversprechen: Ob ein bestimmtes Modell dauerhaftes Livebild, verlässliches Dokumentenlesen, Bildschirmfreigabe oder die direkte Verbindung zu einer gewünschten KI unterstützt, muss für genau dieses Gerät und die jeweilige Software geprüft werden. Ein Werbevideo ist noch kein belastbarer Arbeitsprozess.

Ein Handwerker steht vor einem Untergrund, der vor dem Streichen oder Spachteln vorbereitet werden muss. Statt sofort eine Empfehlung abzurufen, beginnt er mit seiner eigenen Diagnose: „Ich vermute, dass wir grundieren müssen, weil die Fläche unterschiedlich saugt. Was übersehe ich?“

Die KI könnte nach Material, Feuchtigkeit, Tragfähigkeit und gewünschtem Aufbau fragen. Sie könnte drei Vorgehensweisen skizzieren, deren Voraussetzungen vergleichen und auf einen Test an einer kleinen Fläche drängen. Der Handwerker wiederum erklärt, warum er eine Lösung bevorzugt – und widerspricht, wenn ein Vorschlag nicht zur Baustelle passt.

Die entscheidende Lernbewegung ist nicht „KI sagt, was zu tun ist“. Sie lautet: Beobachten → selbst erklären → Alternativen entwickeln → kritisch prüfen → ausprobieren → Ergebnis auswerten. Bei sicherheitsrelevanten Arbeiten bleiben Fachregeln, Messungen und qualifizierte Prüfung unverzichtbar.

Ich sitze an einer Budgetunterlage, einem Vertrag oder einer Unternehmensanalyse und sage: „Lies dir das bitte einmal durch. Was hältst du davon?“ Die KI könnte Unklarheiten markieren, Rechenwege hinterfragen, fehlende Annahmen benennen und eine gegenteilige Interpretation anbieten.

Spannender wird es beim nächsten Schritt: „Ich sehe hier drei Handlungsoptionen. Meine bevorzugte Variante ist B, weil … Greif meine Argumentation an.“ Damit wird die KI zum Sparringspartner, nicht zum automatischen Entscheider.

Bei vertraulichen Unterlagen entsteht allerdings eine harte Grenze: Gemeinsames Sehen ist nur sinnvoll, wenn Zugriffsrechte, Datenschutz, Geheimhaltung und die tatsächliche Datenverarbeitung geklärt sind. Gerade im beruflichen Umfeld darf eine Kamera nicht beiläufig mehr erfassen, als freigegeben ist.

Wir haben in unseren bisherigen Artikeln immer wieder dieselbe Beobachtung gemacht: Wissen wächst nicht allein dadurch, dass wir eine Antwort erhalten. Es wächst, wenn wir die Antwort bearbeiten.

Die Lernforschung liefert dafür eine Grundlage. Chi und Kollegen untersuchten 1989 das Self-Explanation-Phänomen: Lernende, die sich Lösungswege selbst erklärten und mit Prinzipien verknüpften, entwickelten ein tieferes Verständnis. Dunlosky und Kollegen bewerteten 2013 verschiedene Lerntechniken; besonders gut belegt waren unter anderem Übungstests und verteiltes Lernen, während Selbsterklärung und vertiefendes Warum-Fragen vielversprechend, aber weniger umfassend abgesichert waren.

Für unser KI-Dōjō bedeutet das: Ich will nicht nur eine Erklärung hören. Ich muss selbst erklären können, warum eine Lösung funktioniert. Ich will Gegenargumente hören, alternative Modelle ausprobieren und später ohne KI überprüfen, was ich tatsächlich verstanden habe.

Gerade gestern haben wir „Thinking in Bets“ auf die Zukunft der Steuerberatung angewandt. Wir formulierten eine Annahme, schätzten eine Wahrscheinlichkeit, suchten bewusst nach Gegenargumenten und überlegten, welche Entscheidungen daraus folgen würden. Diese Methode lässt sich auf eine Baustelle, einen Businessplan oder eine strategische Investition übertragen.

Die KI sollte deshalb nicht nur bestätigen, was plausibel klingt. Sie sollte fragen: „Welche Annahme ist am schwächsten? Was müsste wahr sein, damit dein Plan scheitert? Welche Alternative haben wir noch nicht betrachtet?“

Garry Kasparov formulierte aus seinen Erfahrungen mit Mensch-Computer-Schachteams eine bemerkenswerte Einsicht: „Weak human + machine + better process“ konnte sogar stärkere Kombinationen mit schlechterem Prozess übertreffen. Nicht die bloße Anwesenheit der Maschine entschied, sondern die Qualität der Zusammenarbeit.

Ein häufiger Denkfehler ist, eine überzeugend formulierte KI-Antwort mit einer geprüften Entscheidung zu verwechseln. Besonders unter Zeitdruck ist die Versuchung groß, die erste plausible Lösung zu übernehmen.

Ich möchte daher eine andere Routine: Zuerst formuliere ich meine Sicht. Dann lassen wir mindestens zwei ernsthafte Alternativen entstehen. Wir suchen gezielt nach Fehlern und Risiken. Erst danach treffe ich die Entscheidung – mit nachvollziehbarer Begründung und eigener Verantwortung.

Ethan Mollick beschreibt in Co-Intelligence (2024) KI als möglichen Partner, Tutor und Mitwirkenden. Eine seiner zentralen Regeln lautet sinngemäß: Der Mensch muss in der Entscheidungsschleife bleiben. Das ist für mich keine bloße Sicherheitsfloskel. Es ist eine Trainingsregel.

Wir sollten uns nichts vormachen: Die gleiche Brille, die meine Lernfähigkeit unterstützen könnte, kann auch meine Selbstständigkeit schwächen. Wenn ich bei jeder kleinen Unsicherheit sofort frage und jede Antwort übernehme, trainiere ich nicht mein Urteilsvermögen, sondern meine Abhängigkeit.

Deshalb brauchen wir im Dōjō bewusst Phasen ohne Hilfe: zuerst eine eigene Hypothese, dann der Dialog, schließlich eine eigenständige Zusammenfassung oder eine praktische Probe. Entscheidend ist nicht, wie elegant die KI antwortet, sondern ob ich danach selbst mehr kann.

Ich möchte nicht auf die perfekte Zukunftsbrille warten. Wir können die Methode schon heute mit Kamera, Sprachdialog und freigegebenen Dokumenten üben. Für ein geeignetes Brillenmodell würden wir danach drei konkrete Aufgaben testen: ein reales handwerkliches Problem, das gemeinsame Prüfen einer unkritischen Unterlage und eine Red-Teaming-Diskussion über eine eigene Entscheidung.

Wir würden messen, ob weniger Erklärungsaufwand entsteht, ob Fehler früher auffallen und ob wir nach dem Gespräch eine bessere eigene Begründung liefern können. Erst wenn das gelingt, hat die Brille einen echten Nutzen.

Die Brille könnte unser gemeinsames Blickfeld schaffen. Meisterschaft entsteht aber erst durch die Qualität des Dialogs.

EARN IT. – Learn. Apply. Prove It.