Wenn ich mich heute auf eine anspruchsvolle Prüfung, eine Defensio oder ein neues Fachgebiet vorbereite, beginne ich nicht mehr mit dem klassischen Modell: lesen, markieren, zusammenfassen, hoffen.
Ich beginne mit einem Dialog.
Genauer gesagt: mit einem kritischen Dialog mit KI.
Der entscheidende Punkt ist dabei nicht, dass die KI mir Antworten liefert. Das wäre zu wenig. Entscheidend ist, dass sie mich zwingt, meine Gedanken zu formulieren, zu begründen und gegen Einwände zu verteidigen.
„Learning really happens when you have something in your thinking that's wrong, and you come to understand why that's wrong—and how to change it.“
Der Physik-Nobelpreisträger Carl Wieman beschreibt damit ziemlich präzise, was ich in der Praxis erlebe: Lernen wird dann produktiv, wenn mein Denken unter Spannung kommt.
Schritt 1: Theorie nicht nur lesen, sondern diskutieren
Am Anfang steht für mich weiterhin die Theorie. Ich muss Begriffe, Modelle, Rechtsgrundlagen oder wissenschaftliche Positionen kennen.
Aber ich versuche möglichst früh, aus dem passiven Lesen herauszukommen.
Ich bespreche die Grundlagen mit der KI. Ich lasse mir Zusammenhänge erklären, frage nach Gegenbeispielen, versuche selbst zu erklären und hake dort nach, wo ich merke, dass mein Verständnis unscharf ist.
Das entspricht auch dem, was die Lernforschung seit Jahren zeigt: Retrieval Practice, Elaboration und aktives Erklären sind wirksamer als reines Wiederlesen. Besonders stark wird Lernen dann, wenn ich Inhalte selbst abrufe, verknüpfe und in eigenen Worten rekonstruieren muss.
Für mich heißt das praktisch: Nicht „Erklär mir das Thema“, sondern eher „Frag mich dazu aus“, „Was ist an meiner Erklärung falsch?“ oder „Welche Annahme übersehe ich?“
Schritt 2: Einen eigenen Standpunkt entwickeln
Der nächste Schritt ist schwieriger. Ich will nicht nur wissen, was andere geschrieben haben. Ich will wissen, was ich selbst nach Prüfung der Argumente für plausibel halte.
Dafür diskutiere ich meine eigene Position mit der KI. Ich formuliere eine These. Die KI soll Gegenargumente liefern, Lücken aufzeigen und alternative Deutungen anbieten.
Der Wert liegt nicht in der Zustimmung. Im Gegenteil: Wenn die KI mich nur bestätigt, ist das System praktisch wertlos.
Deshalb braucht Co-Intelligenz aus meiner Sicht einen eingebauten Widerspruch.
Meine Faustregel: Eine gute KI-Lernsitzung endet nicht mit mehr Sicherheit, sondern mit besser begründeter Sicherheit.
Schritt 3: Die eigene Position angreifen lassen
Wenn ich glaube, einen Standpunkt gefunden zu haben, beginnt eigentlich erst die interessante Phase.
Dann lasse ich unterschiedliche Rollen dagegen antreten: den kritischen Professor, den Arbeitsrechtsexperten, den Methodiker, den Praktiker oder ganz bewusst den Advocatus Diaboli.
Bei der Vorbereitung auf eine Defensio kann daraus ein virtuelles Expertenteam entstehen. Nicht ein Assistent, der mir hilft, sondern mehrere Perspektiven, die unterschiedliche Fragen stellen.
Damit verändert sich die Lernumgebung. Ich lerne nicht mehr nur Inhalte. Ich trainiere Argumentation.
Genau das ist der Punkt, den Wiemans Arbeit zum Active Learning stark macht: Studierende sollen nicht bloß zuhören, sondern Fragen beantworten, Probleme lösen, Lösungen mit anderen diskutieren und laufend Feedback bekommen.
Schritt 4: KI ist kein Wahrheitsautomat
Hier liegt allerdings die gefährlichste Stelle des gesamten Systems.
Eine überzeugend formulierte Antwort ist noch lange keine richtige Antwort.
KI kann halluzinieren. Sie kann Quellen falsch wiedergeben. Sie kann eine falsche Prämisse übernehmen und daraus eine vollkommen schlüssige Argumentation bauen.
Deshalb muss jede ernsthafte Arbeit mit KI einen zweiten Kreislauf haben: Überprüfung.
Ich prüfe zentrale Aussagen gegen Primärquellen, Fachliteratur, Judikatur oder belastbare Studien. Bei wichtigen Fragen versuche ich zusätzlich, andere Menschen einzubinden.
Co-Intelligenz bedeutet für mich deshalb nicht Mensch plus Maschine gleich Wahrheit.
Es bedeutet: Mensch plus Maschine erzeugen schneller Hypothesen, Argumente und Gegenargumente. Wahrheit entsteht erst durch Prüfung.
Schritt 5: Vom Gespräch zur Meisterschaft
Damit schließt sich für mich der Kreis zum Thema Meisterschaft.
Meisterschaft bedeutet nicht, möglichst viel Information gespeichert zu haben. Sie zeigt sich darin, ob ich unter Druck denken, erklären, unterscheiden und begründen kann.
Genau deshalb ist der Dialog so wertvoll.
Er zwingt mich, Wissen abzurufen. Er zwingt mich, Lücken sichtbar zu machen. Er zwingt mich, Begriffe präzise zu verwenden. Und er konfrontiert mich mit anderen Perspektiven.
Forschung zum „Learning by Teaching“ zeigt ebenfalls, dass das Erklären gegenüber anderen ein wirksamer Lernmechanismus sein kann. Dabei spielt nicht nur das bloße Wiederholen eine Rolle, sondern auch die aktive Rekonstruktion und elaborierte Erklärung.
Der entscheidende Fortschritt durch KI ist für mich daher nicht, dass wir schneller Informationen bekommen.
Der Fortschritt ist, dass wir jederzeit einen Dialogpartner zur Verfügung haben können, der uns zum Denken zwingt.
Mein aktuelles Lernmodell
Theorie verstehen: Grundlagen lesen und im Dialog rekonstruieren.
Eigene Position entwickeln: Thesen formulieren und begründen.
Widerspruch organisieren: Gegenargumente und alternative Perspektiven einbauen.
Überprüfen: zentrale Aussagen gegen Literatur, Primärquellen und Fachmeinungen testen.
Unter Druck anwenden: Prüfungsgespräche, Verteidigungssituationen und kritische Rückfragen simulieren.
Das ist für mich Co-Intelligenz in einer sehr praktischen Form.
Nicht: Die KI denkt für mich.
Sondern: Die KI hilft mir dabei, besser zu denken.
Literatur und Quellen
Paul, A. M. (2021): The Extended Mind: The Power of Thinking Outside the Brain. Mariner Books.
Wieman, C. (2014): „Stop Lecturing Me“. Scientific American.
Weinstein, Y., Madan, C. R., & Sumeracki, M. A. (2018): „Teaching the science of learning“. Cognitive Research: Principles and Implications, 3, 2.
Kobayashi, K. (2022): „The Retrieval Practice Hypothesis in Research on Learning by Teaching: Current Status and Challenges“. Frontiers in Psychology, 13, 842668.
Gonçalves, A. de O., Muniz, B. F. B., & Jaeger, A. (2025): „Retrieval Practice Versus Elaborative Encoding: A Systematic and Meta-analytic Review“. Educational Psychology Review, 37, 100.
Hinweis: Dieser Artikel wurde in Zusammenarbeit mit KI entwickelt. Die inhaltliche Position, Auswahl der Argumente und Verantwortung für den Text liegen beim Autor.