Spitzensportler trainieren selten allein. Rund um sie arbeitet ein Betreuungssystem: Techniktrainer, Athletikcoach, Mentalcoach, Analysten, medizinische Betreuung und ein Head Coach, der alles zusammenhält.
Bei geistiger Arbeit sieht es meist anders aus. Wer sich in einem komplexen Fachgebiet entwickeln, eine wissenschaftliche Arbeit verteidigen oder in einer Disziplin wirklich gut werden will, ist erstaunlich oft auf sich allein gestellt.
Genau hier möchte ich ein Experiment machen.
Kann ich mir mit KI ein persönliches Coaching-Team aufbauen, das mich über Wochen systematisch auf eine anspruchsvolle Defensio vorbereitet?
Nicht als Spielerei. Nicht als gelegentliche Hilfe beim Formulieren. Sondern als strukturiertes Trainingssystem mit klaren Rollen, regelmäßigen Übungen, Feedback und Simulationen.
Das eigentliche Problem: Meisterschaft braucht ein Umfeld
Benjamin Bloom untersuchte die Entwicklung außergewöhnlicher Leistungen über verschiedene Disziplinen hinweg. Ein wiederkehrendes Muster war die Bedeutung von Lehrern, Coaches, Mentoren und einem Umfeld, das die Entwicklung über längere Zeit unterstützt.
Auch die Forschung zur deliberate practice betont, dass bloße Wiederholung nicht reicht. Entscheidend sind anspruchsvolle Übungen, unmittelbares Feedback und gezielte Korrektur von Schwächen.
Ericsson, Krampe und Tesch-Römer formulierten diesen Gedanken bereits 1993 in ihrer grundlegenden Arbeit zur Entwicklung von Expertenleistung. Nicht die bloße Anzahl an Stunden macht den Unterschied, sondern die Qualität des Trainings.
Das Problem für Einzelpersonen: Ein solches Umfeld ist schwer aufzubauen.
Wer Spitzensport betreibt, findet etablierte Strukturen. Wer aber etwa Spezialist in einem engen Rechtsgebiet werden, besser präsentieren oder wissenschaftliche Argumentation auf hohem Niveau beherrschen möchte, muss sich sein Umfeld häufig selbst zusammensuchen.
Vielleicht gibt es einen Kollegen mit ähnlichem Interesse. Vielleicht einen Mentor. Aber ein komplettes Team aus Fachcoach, Prüfer, Rhetoriktrainer und kritischem Sparringspartner steht normalerweise nicht zur Verfügung.
Genau hier wird Co-Intelligence interessant
Die naheliegende Nutzung von KI besteht darin, Fragen zu stellen und Antworten zu erhalten. Das ist hilfreich, aber noch kein Coaching-System.
Die spannendere Frage lautet:
Was passiert, wenn dieselbe KI bewusst unterschiedliche professionelle Rollen übernimmt – mit klar getrennten Aufgaben?
Für mein Experiment brauche ich kein Heer an virtuellen Assistenten. Vier Rollen reichen als Kernsystem.
1. Der Fachcoach
Der Fachcoach kennt die Arbeit, die Forschungsfragen, die Argumentationslinien, die rechtlichen Grundlagen und die kritischen Punkte. Seine Aufgabe ist nicht, mir Antworten vorzulesen, sondern mein Verständnis zu prüfen.
Er soll Fragen stellen wie ein strenger Professor: Was ist die Rechtsgrundlage? Wo endet die Argumentation? Welche Gegenposition gibt es? Welche Aussage ist wissenschaftlich abgesichert und wo interpretiere ich selbst?
Entscheidend ist dabei, dass ich antworte. Nicht die KI.
2. Der Lern- und Prüfungscoach
Wissen zu lesen ist etwas anderes, als Wissen abrufen zu können.
Deshalb braucht das System eine eigene Lernrolle. Sie zerlegt die Arbeit in Themengebiete, erstellt Fragen, baut Wiederholungszyklen auf und testet, ob Inhalte ohne Unterlagen abrufbar sind.
Die Forschung zum Lernen zeigt seit Langem, dass aktives Abrufen und verteiltes Wiederholen wirkungsvoller sind als bloßes wiederholtes Lesen. Roediger und Karpicke konnten beispielsweise zeigen, dass Testing nicht nur misst, was wir wissen, sondern selbst Lernen erzeugt.
3. Der Rhetorik- und Präsentationscoach
Eine gute Arbeit kann in einer schlechten Präsentation schwach wirken. Umgekehrt hilft eine professionelle Präsentation nur begrenzt, wenn dahinter kein Verständnis steckt.
Der Rhetorikcoach trainiert deshalb etwas anderes als der Fachcoach: Struktur, Klarheit, Sprache, Übergänge, Tempo, präzise Antworten und den Umgang mit Unsicherheit.
Hier reicht Schreiben nicht. Ich muss Antworten laut formulieren. Die KI kann danach analysieren, ob ich abschweife, zu kompliziert spreche, meine Kernbotschaft verliere oder eine Frage nicht wirklich beantworte.
4. Das Red Team
Diese Rolle soll nicht helfen. Sie soll angreifen.
Das Red Team sucht Widersprüche, schwache Begründungen, unklare Definitionen und Punkte, an denen ein Prüfer nachhaken könnte. Es stellt bewusst unangenehme Fragen und akzeptiert keine ausweichenden Antworten.
Genau diese Rolle halte ich für besonders wertvoll. KI wird oft als freundlicher Assistent eingesetzt. Für Meisterschaft brauchen wir aber nicht mehr Zustimmung, sondern bessere Gegenargumente.
Ein Trainingszyklus statt gelegentlicher Chats
Damit daraus wirklich Coaching wird, braucht es einen Prozess.
Ich teile die Vorbereitung in drei Phasen.
Struktur schaffen: Die Arbeit wird in zentrale Themenfelder zerlegt. Forschungsfragen, Methodik, rechtliche Grundlagen, Ergebnisse und mögliche Angriffspunkte werden sichtbar gemacht.
Gezielt trainieren: Danach werden die einzelnen Bereiche systematisch gelernt und abgeprüft. Schwächen werden dokumentiert und erneut trainiert.
Simulieren: In der letzten Phase geht es nicht mehr primär um neues Wissen. Jetzt werden Präsentation und Prüfungssituationen vollständig simuliert – mit Zeitdruck, Rückfragen und bewusst schwierigen Prüfern.
Das Entscheidende ist die Schleife:
Trainieren → Feedback → Schwäche erkennen → gezielt korrigieren → erneut testen.
Damit nähert sich geistiges Lernen stärker dem Training im Sport.
Warum das mehr ist als „ChatGPT hilft mir beim Lernen“
Die Forschung zu KI-Tutoring beginnt inzwischen, erste belastbare Ergebnisse zu liefern. Randomisierte Studien zeigen, dass gut gestaltete KI-Tutor-Systeme Lernleistungen verbessern können. In einer 2025 veröffentlichten Studie lernten Studierende mit einem speziell entwickelten KI-Tutor mehr in weniger Zeit als Vergleichsgruppen in einer aktiven Präsenzlehrveranstaltung.
Eine weitere randomisierte Untersuchung mit Studierenden fand ebenfalls messbare Leistungsverbesserungen durch den Zugang zu einem KI-Tutor.
Das heißt aber nicht, dass irgendein Chatbot automatisch ein guter Coach ist.
Der entscheidende Unterschied liegt im Design des Systems: Rollen, Lernziele, Übungen, Feedback und wiederholte Leistungsmessung.
Genau das möchte ich testen.
Die Grenze: KI darf nicht zur Komfortzone werden
Hier liegt auch die größte Gefahr.
Wenn mir die KI ständig Antworten liefert, trainiere ich nicht meine Fähigkeiten, sondern meine Fähigkeit, gute Antworten zu lesen.
Das ist keine Meisterschaft.
Der Coach muss deshalb immer häufiger die Gegenrichtung einschlagen: weniger erklären, mehr fragen. Weniger formulieren, mehr prüfen. Weniger bestätigen, mehr widersprechen.
Die KI soll nicht die Prüfung für mich bestehen. Sie soll mich dazu bringen, sie selbst bestehen zu können.
Und irgendwann reicht auch die KI nicht mehr. Fachliche Expertise muss an Primärquellen, Judikatur, Literatur und realen Experten kalibriert werden. Eine KI kann ein Trainingspartner sein. Sie ist kein Ersatz für wissenschaftliche oder berufliche Realität.
Vom Einzelkämpfer zum persönlichen Hochleistungsteam
Genau darin sehe ich einen der spannendsten Aspekte von Co-Intelligence.
Einzelpersonen erhalten erstmals die Möglichkeit, sich ein persönliches Lern- und Coaching-Umfeld aufzubauen, das früher nur mit erheblichem Geld, Zugang zu Spezialisten oder institutionellen Strukturen möglich war.
Vielleicht ist das eine der wichtigsten Veränderungen durch KI:
Du musst nicht warten, bis du das perfekte Umfeld für Meisterschaft findest. Du kannst beginnen, es selbst aufzubauen.
Die Menschen verschwinden dadurch nicht. Im Gegenteil. Je besser ich werde, desto wichtiger werden gute menschliche Experten, Mentoren und Peers.
Aber KI kann die Lücke schließen, die am Anfang besonders groß ist.
Und genau das werde ich jetzt praktisch testen.
Das Experiment
Ich werde meine Vorbereitung nicht nur als Prüfungsvorbereitung betrachten, sondern als Feldversuch für mein Mastery-System.
Kann ein strukturiertes KI-Coaching-Team dazu beitragen, Fachwissen, Argumentation, Präsentation und Reaktionsfähigkeit messbar zu verbessern?
Wenn das funktioniert, ist die Idee weit über eine Defensio hinaus interessant.
Dasselbe Modell könnte für Fachspezialisierungen, Führung, Sprachen, wissenschaftliches Arbeiten oder unternehmerische Fähigkeiten eingesetzt werden.
Die eigentliche Vision wäre dann nicht der eine allwissende KI-Assistent.
Es wäre ein persönliches Hochleistungsteam aus Mensch und KI.
Learn. Apply. Prove It. Earn It.
Literatur und weiterführende Quellen
Bloom, B. S. (Hrsg.) (1985): Developing Talent in Young People. New York: Ballantine Books.
Ericsson, K. A., Krampe, R. T. & Tesch-Römer, C. (1993): The Role of Deliberate Practice in the Acquisition of Expert Performance. Psychological Review, 100(3), 363–406.
Ericsson, A. & Pool, R. (2016): Peak: Secrets from the New Science of Expertise. Boston/New York: Houghton Mifflin Harcourt.
Brown, P. C., Roediger, H. L. & McDaniel, M. A. (2014): Make It Stick: The Science of Successful Learning. Cambridge, MA: Harvard University Press.
Roediger, H. L. & Karpicke, J. D. (2006): Test-Enhanced Learning: Taking Memory Tests Improves Long-Term Retention. Psychological Science, 17(3), 249–255.
Kestin, G., Miller, K., Klales, A., Milbourne, T. & Ponti, G. (2025): AI tutoring outperforms in-class active learning: an RCT introducing a novel research-based design in an authentic educational setting. Scientific Reports.
Fischer, M., Rau, H. A. & Rilke, R. M. (2025): AI Tutoring Enhances Student Learning Without Crowding Out Reading Effort. IZA Discussion Paper.
Hinweis zur Entstehung: Dieser Beitrag entstand im Rahmen meiner laufenden Arbeit zur Co-Intelligence und Meisterschaft. KI wurde als Sparrings-, Strukturierungs- und Formulierungspartner eingesetzt. Auswahl, Bewertung und Schlussfolgerungen liegen beim Autor.