Ein Schüler lässt seine Hausübung von einer KI schreiben. Eine Lehrkraft lässt dieselbe Hausübung von einer KI beurteilen. Beide erhalten ein Ergebnis. Aber wer hat dabei etwas gelernt?
Eine aktuelle deutsche Bitkom-Befragung, über die der ORF am 27. Oktober 2026 berichtete, macht diese Frage konkret: Sieben Prozent der befragten Lehrkräfte gaben an, KI bereits Noten ohne eigene Überprüfung vergeben gelassen zu haben. Das ist kein Beleg dafür, dass das ganze Bildungssystem so funktioniert. Es ist aber ein Warnsignal für einen grundlegenden Konstruktionsfehler.
Wenn Maschinen miteinander kommunizieren, verschwindet der Maßstab
Das Muster endet nicht im Klassenzimmer. Im Online-Marketing erstellt KI Texte, Bilder und Kampagnen. Suchmaschinen und KI-Antwortsysteme wählen Inhalte aus, verdichten sie und präsentieren sie dem Publikum. Wer nur noch auf algorithmische Sichtbarkeit optimiert, riskiert, die eigentliche Frage zu vergessen: Ist das, was wir veröffentlichen, für einen Menschen wahr, relevant und nützlich?
Dabei ist nicht jede algorithmische Bewertung falsch. Suchsysteme berücksichtigen weiterhin Nutzersignale, Links und andere Kriterien. Problematisch wird es, wenn wir die maschinelle Bewertung mit tatsächlicher Qualität verwechseln und aufhören, sie unabhängig zu prüfen.
Delegation ist nicht dasselbe wie Meisterschaft
Ich nutze KI gern als Sparringspartner: um Argumente zu testen, blinde Flecken aufzudecken, Gegenpositionen zu entwickeln und schwierige Inhalte schneller zu verstehen. Das kann mein Denken verbessern. Aber nur, wenn ich selbst denke.
Wer einen Text ungeprüft übernimmt, hat ein Produkt, aber nicht unbedingt eine Fähigkeit erworben. Wer eine KI-Bewertung ungeprüft übernimmt, hat ein Urteil, aber nicht unbedingt ein begründetes Urteil gefällt. Das Problem ist nicht die Maschine. Das Problem ist der Verlust der eigenen Urteilskompetenz.
Ethan Mollick beschreibt in Co-Intelligence die produktive Zusammenarbeit mit KI. Für unsere Arbeit an Meisterschaft ergänze ich eine harte Bedingung: Die letzte Verantwortung für das Ergebnis darf nicht in einem undurchsichtigen Prozess verschwinden.
Der entscheidende Unterschied: Auslagern oder trainieren?
Unsere Arbeitshypothese lautet: KI steigert Kompetenz dann, wenn sie den Menschen zu besseren Fragen, besseren Prüfungen und besseren Entscheidungen zwingt. Sie schwächt Kompetenz dort, wo sie die notwendige Auseinandersetzung vollständig ersetzt.
Daraus folgt ein praktischer Test. Kann ich die zentrale Aussage meines KI-gestützten Textes ohne KI erklären? Kann ich eine wichtige Zahl auf ihre Quelle zurückführen? Kann ich begründen, warum ich eine Empfehlung akzeptiere oder ablehne? Und könnte ich einen offensichtlichen Fehler erkennen? Wenn nicht, ist das Ergebnis vielleicht fertig. Meine Arbeit daran ist es nicht.
Eine Regel für Schule, Marketing und Führung
Erstens: KI darf einen ersten Entwurf liefern. Zweitens: KI darf Gegenargumente und Fehler suchen. Drittens: Der verantwortliche Mensch muss die kritischen Aussagen prüfen und die Entscheidung begründen können. Je folgenreicher das Ergebnis, desto strenger die unabhängige Kontrolle.
Für Lernende gehört noch etwas dazu: zeitweise bewusst ohne KI arbeiten. Nicht aus Nostalgie, sondern weil Können nur sichtbar wird, wenn man es selbst demonstrieren kann. Für Lehrkräfte bedeutet das, Lernprozesse und eigenständige Leistung zu beurteilen statt ausschließlich glatte Endprodukte. Für Unternehmer heißt es, echte Kundennützlichkeit höher zu gewichten als die bloße algorithmische Zustimmung.
Meisterschaft entsteht nicht dadurch, dass ich die Arbeit immer schneller abgebe. Sie entsteht dadurch, dass ich mit besseren Werkzeugen immer besser urteilen und handeln lerne.
Learn. Apply. Prove It. Nicht: Generate. Approve. Forget.
Literatur und Quellen
ORF.at (27.10.2026): Deutsche Umfrage: Teil der Lehrkräfte vergibt Noten durch KI – Bericht über eine Bitkom-Befragung unter Lehrkräften in Deutschland.
Mollick, E. (2024). Co-Intelligence: Living and Working with AI. Portfolio.