Meisterschaft durch echte Co-Intelligenz

Wir erleben gerade etwas Interessantes.

Je besser KI wird, desto weniger beeindruckt mich inzwischen die Tatsache, dass sie Antworten geben kann.

Das wirklich Spannende beginnt an einer anderen Stelle:

Was passiert, wenn Mensch und KI über Monate und Jahre gemeinsam an Wissen arbeiten?

Nicht indem der Mensch seine Arbeit an die KI delegiert. Nicht indem die KI einfach Texte schreibt. Und auch nicht, indem wir möglichst viele Dokumente irgendwo abspeichern.

Sondern indem Mensch und KI beginnen, gemeinsam zu denken, Wissen aufzubauen, Annahmen zu hinterfragen und daraus bessere Entscheidungen abzuleiten.

Genau dort beginnt für mich echte Co-Intelligenz.

Und ich glaube mittlerweile, dass diese Fähigkeit einen wesentlichen Teil dessen ausmachen wird, was wir unter Meisterschaft im KI-Zeitalter verstehen müssen.

Das ist die erste unbequeme Erkenntnis.

KI macht uns nicht automatisch intelligenter.

Sie kann sogar das Gegenteil bewirken.

Eine 2025 veröffentlichte CHI-Studie von Lee et al. untersuchte 319 Wissensarbeiter:innen und 936 konkrete Anwendungsfälle generativer KI. Höheres Vertrauen in die KI war mit weniger selbst berichtetem kritischem Denken verbunden; zugleich verschob sich die Denkarbeit stärker in Richtung Verifikation, Integration und Steuerung von KI-Ergebnissen.

Das ist entscheidend.

Denn KI beseitigt kognitive Arbeit nicht. Sie verschiebt sie.

Früher musste ich Informationen suchen. Heute muss ich beurteilen, ob die von der KI gefundenen Informationen stimmen.

Früher musste ich einen ersten Lösungsansatz entwickeln. Heute kann die KI diesen liefern – aber ich muss beurteilen, ob ihre Annahmen richtig sind.

Früher bestand Kompetenz häufig darin, etwas selbst produzieren zu können. Künftig wird Kompetenz zunehmend darin bestehen, einen Prozess aus Mensch und Maschine führen zu können.

Wenn ich diese Führungsaufgabe nicht wahrnehme, wird aus Co-Intelligenz sehr schnell kognitives Outsourcing.

Menschen lieben einfache Lösungen.

Das war lange vor ChatGPT so.

Wir konsumieren Bücher, ohne das Gelesene anzuwenden. Wir sehen Dokumentationen und haben danach das Gefühl, etwas verstanden zu haben. Wir speichern Artikel, die wir nie wieder lesen. Wir hören Podcasts und verwechseln Informationsaufnahme mit Lernen.

KI verschärft dieses Problem.

Denn jetzt müssen wir nicht einmal mehr selbst lesen.

Das ist unglaublich effizient.

Und genau darin liegt die Gefahr.

Eine 2026 veröffentlichte Studie mit 353 chinesischen Universitätsstudierenden identifizierte sehr unterschiedliche Nutzungsmuster – von einfachen Frage-Antwort-Nutzern bis zu sogenannten critical co-thinkers. Besonders relevant: Tieferes Offloading war zugleich mit stärkerer Aufgabe kognitiver Autonomie verbunden. Die Autor:innen empfehlen deshalb, Metakognition höher zu gewichten als bloße technische KI-Kompetenz.

Eine weitere experimentelle Studie aus 2026 mit 120 jungen Erwachsenen zeigte: Die KI-Gruppe löste eine Aufgabe zur Erkennung logischer Fehlschlüsse genauer und mit geringerem mentalem Aufwand. Gleichzeitig reichte das Nutzungsverhalten von vollständiger Delegation bis zu selektivem, strategischem Einsatz. Die Schlussfolgerung der Forschenden: Ob KI als Ersatz oder als Gerüst für Denken wirkt, hängt maßgeblich von der Art der Nutzung ab.

Die entscheidende Fähigkeit der Zukunft wird deshalb nicht darin bestehen, KI zu benutzen.

Das wird beinahe jeder können.

Die Fähigkeit wird darin bestehen, zu wissen, welche Denkarbeit wir an die KI geben dürfen – und welche nicht.

Genau daran arbeiten wir derzeit.

Und wir wissen noch nicht, wie das perfekte System aussieht.

Was folgt, ist deshalb keine fertige wissenschaftliche Theorie. Es ist unsere derzeitige Arbeitshypothese.

Wir versuchen herauszufinden, wie aus einem Menschen mit einer KI nicht einfach ein schnellerer Mensch wird, sondern ein besseres Denksystem.

Der erste Baustein ist Wissen.

Bücher. Studien. Artikel. Eigene Dokumente. Erfahrungen. Analysen. Notizen.

Unsere derzeitige Lösung dafür ist relativ unspektakulär: ein cloudbasiertes Wissenssystem.

Entscheidend ist aber nicht Google Drive, OneDrive oder irgendein anderes Tool. Die Technologie ist austauschbar.

Entscheidend ist die Denklogik dahinter.

Denn wenn ich 5.000 PDFs in einem Ordner speichere, besitze ich kein Second Brain. Ich besitze 5.000 PDFs.

Ein echtes Second Brain muss Fragen beantworten können wie:

Und genau an diesem Punkt wird KI interessant.

Denn plötzlich wird aus einem passiven Archiv ein aktives Wissenssystem.

Ein Buch einmal zusammenzufassen reicht nicht.

Ein Thema einmal mit einer KI zu besprechen ebenfalls nicht.

Meisterschaft entsteht durch Wiederholung.

Wir nehmen daher Themen immer wieder auf. Wir lesen zusätzliche Literatur. Wir vergleichen neue Erkenntnisse mit alten. Wir hinterfragen unsere bisherigen Schlussfolgerungen. Wir entdecken Widersprüche. Wir korrigieren Positionen.

Dadurch passiert etwas Entscheidendes: Unser Wissen bekommt Tiefe.

Und gleichzeitig verbessert sich die Qualität der Zusammenarbeit mit der KI.

Nicht weil das zugrunde liegende KI-Modell durch unsere Gespräche neu trainiert würde.

Sondern weil unser gemeinsamer Arbeitskontext besser wird.

Die KI kann auf bessere Quellen zugreifen. Unsere Begriffe werden präziser. Unsere Fragestellungen werden besser. Unsere Annahmen werden dokumentiert. Unsere Qualitätskriterien werden klarer.

Dadurch entsteht mit der Zeit etwas, das sich im täglichen Arbeiten tatsächlich so anfühlen kann, als würde die gemeinsame Intelligenz wachsen.

Hier liegt wahrscheinlich einer der größten Unterschiede zwischen einfacher KI-Nutzung und Co-Intelligenz.

Wenn ich ständig frage: Was ist die Antwort? trainiere ich Abhängigkeit.

Deshalb brauchen wir andere Rollen.

Die KI muss auch Kritiker, Gegenposition, Lückenfinder, Reviewer, Sparringspartner, Tutor und Forscher sein.

Eine 2025 veröffentlichte Studie zu metakognitiven Prompts zeigte bei 40 Studierenden, dass gezielte Reflexionsfragen zu breiterer Recherche, mehr Anschlussfragen und bewussterer Bewertung von KI-Antworten führten.

Eine größere 2026er Untersuchung mit 146 Personen zu sogenannten MetaCues kommt in eine ähnliche Richtung: Metakognitive Hinweise können breitere Exploration und bewusstere Urteilsbildung fördern.

Vielleicht brauchen wir also nicht primär KI-Systeme, die bessere Antworten geben.

Vielleicht brauchen wir Systeme, die uns dazu bringen, besser zu denken.

Hier müssen auch wir selbst noch besser werden.

Denn normalerweise dokumentieren Menschen Ergebnisse.

Für ein langfristiges Co-Intelligenz-System reicht das nicht.

Wir müssen zusätzlich dokumentieren:

Das klingt zunächst nach zusätzlicher Arbeit.

Ist es auch.

Und genau deshalb ist Co-Intelligenz keine Abkürzung. Zumindest nicht am Anfang.

Das könnte langfristig sogar wichtiger werden als die eigentliche Wissenssammlung.

Denn wir haben heute nicht zu wenig Information. Wir haben zu viel.

Die entscheidende Frage lautet deshalb nicht: Was steht im Internet?

Sondern: Was davon sollten wir glauben?

Damit wird das Second Brain nicht nur zu einem Speicher für Inhalte. Wir müssen darin auch unsere Regeln für Erkenntnis festhalten.

Welche Evidenz gewichten wir höher? Wie gehen wir mit Einzelstudien um? Wie mit systematischen Reviews und Metaanalysen? Wie erkennen wir Interessenkonflikte? Wie unterscheiden wir Korrelation und Kausalität? Wann gilt eine These für uns als ausreichend belegt?

Und wann müssen wir sagen: Wir wissen es noch nicht.

Das ist unbequem. Aber Wissenschaft beginnt genau dort.

Vielleicht ist das für mich derzeit die wichtigste Erkenntnis.

Co-Intelligenz ist eine Fähigkeit.

Und Fähigkeiten entstehen durch Übung.

Ich muss lernen, meine Gedanken klarer auszudrücken. Ich muss lernen, bessere Fragen zu stellen. Ich muss lernen, Quellen systematisch abzulegen. Ich muss lernen, Schlussfolgerungen zu dokumentieren. Ich muss lernen, KI zu widersprechen. Ich muss lernen, zu erkennen, wann eine Antwort nur plausibel klingt.

Und auch die Zusammenarbeit selbst muss sich einspielen.

Welche Rollen soll die KI übernehmen? Wann soll sie zuerst in unserem Wissensbestand suchen? Wann brauchen wir externe Forschung? Wann soll sie widersprechen? Wann soll sie bewusst keine Lösung liefern? Wann fehlt uns Wissen?

Wir optimieren also nicht nur unsere Prompts.

Wir optimieren unseren gemeinsamen Denkprozess.

Ein systematisches Review aus 2026 fasste 67 empirische Studien zu ChatGPT, kritischem und kreativem Denken in der Hochschulbildung zusammen. Das Muster ist bemerkenswert klar: In strukturierten, inquiry-orientierten und didaktisch gestützten Settings kann ChatGPT kognitive Entwicklung unterstützen. In unstrukturierten Settings treten dagegen häufiger Cognitive Offloading und Rückgänge kritischer Denkprozesse auf.

Eine kontrollierte Studie mit 130 Teilnehmenden zeigt denselben Zielkonflikt noch direkter: Ein KI-Assistent, der die Entscheidung weitgehend abnahm, lieferte kurzfristig die höchste Genauigkeit und Geschwindigkeit, schwächte aber den Kompetenzzuwachs. Moderate analytische Unterstützung und evaluatives Feedback waren für die Entwicklung der menschlichen Fähigkeit günstiger.

Das ist für unsere Arbeit zentral.

Die effizienteste KI ist nicht automatisch die beste KI für Meisterschaft.

Vielleicht verändert KI damit sogar unseren Begriff von Meisterschaft.

Früher bedeutete Meisterschaft vor allem: Ich weiß sehr viel. Ich habe viel Erfahrung. Ich kann schwierige Aufgaben selbst lösen.

All das bleibt wichtig.

Aber möglicherweise kommt jetzt eine zusätzliche Ebene hinzu.

Der Meister der Zukunft muss nicht nur sich selbst führen können.

Er muss ein Mensch-KI-System führen können.

Er muss wissen, wann er delegiert. Wann er kontrolliert. Wann er selbst denkt. Wann er recherchiert. Wann er zweifelt. Wann er eine Gegenposition braucht.

Und wann er trotz einer perfekten Antwort der KI sagt:

Genau das versuchen wir derzeit aufzubauen.

Ein persönliches Second Brain.

Ein wachsendes System aus Literatur, Forschung, Erfahrung und eigenen Erkenntnissen.

KI als Zugangsschicht zu diesem Wissen.

Aber gleichzeitig KI als Kritiker dieses Wissens.

Wir versuchen nicht nur Antworten abzuspeichern. Wir wollen Widersprüche sichtbar machen. Offene Fragen dokumentieren. Wissenslücken identifizieren. Neue Literatur ergänzen. Alte Annahmen verwerfen.

Und dieselben Themen immer wieder bearbeiten.

Nicht einmal.

Sondern über Jahre.

Ob diese Hypothese vollständig stimmt?

Das wissen wir noch nicht.

Genau deshalb testen wir sie.

Learn. Wir erschließen neues Wissen.

Apply. Wir wenden es gemeinsam mit KI auf reale Probleme an.

Prove It. Wir prüfen, ob unsere Annahmen tatsächlich funktionieren.

Und danach beginnt der Kreislauf wieder.

Denn Meisterschaft ist kein Zustand.

Sie ist ein Prozess.

Wir reden derzeit viel über Prompting. Über neue Modelle. Über Agents. Über Automatisierung. Über immer bessere Tools.

Das alles ist relevant.

Aber möglicherweise überschätzen wir die Technik und unterschätzen die eigentliche Herausforderung.

Die wichtigste Frage lautet vielleicht nicht: Wie intelligent wird die KI?

Sondern:

Wie intelligent lernen wir, mit ihr zusammenzuarbeiten?

Wenn wir KI nur verwenden, um schneller Antworten zu bekommen, machen wir bestehende Arbeit effizienter.

Wenn wir lernen, gemeinsam mit KI besser zu denken, verändert sie unsere Fähigkeiten.

Und wenn wir zusätzlich ein Second Brain aufbauen, in dem Wissen, Erfahrungen, Quellen, Widersprüche und offene Fragen über Jahre erhalten bleiben, entsteht möglicherweise noch etwas anderes:

eine langfristige Co-Intelligenz.

Nicht Mensch gegen Maschine.

Nicht Mensch ersetzt durch Maschine.

Sondern ein System, in dem beide unterschiedliche Stärken übernehmen.

Genau daran wollen wir arbeiten.

Nicht irgendwann.

Jeden Tag.