Heute Morgen ist mir etwas aufgefallen.
Wir sprechen seit Wochen darüber, wie Menschen mit KI arbeiten können. Nicht darüber, wie KI uns Arbeit abnimmt. Nicht darüber, wie man den perfekten Prompt formuliert. Sondern darüber, wie wir gemeinsam denken, lernen und Probleme lösen.
Und erstaunlich wenige Diskussionen gehen bisher bis zu diesem Punkt.
Die meisten KI-Anwendungen folgen noch immer demselben Muster: Ich sitze vor einem Bildschirm. Ich beschreibe ein Problem. Die KI antwortet. Oder ein Agent erledigt eine Aufgabe im Hintergrund.
Aber was passiert, wenn die KI nicht erst meine Beschreibung bekommt?
Was passiert, wenn sie sieht, was ich sehe?
Die Brille ist nicht die eigentliche Innovation
Stellen wir uns einen Elektriker vor. Er öffnet einen Schaltschrank. Statt ein Foto aufzunehmen, das Smartphone herauszuholen und sein Problem in einen Chat zu tippen, sagt er einfach:
„Schau dir das einmal an. Das funktioniert, das funktioniert nicht. Wo würdest du den Fehler suchen?“
Die KI sieht denselben Schaltschrank aus seiner Perspektive. Sie hört seine Erklärung. Sie kennt den bisherigen Diagnoseweg. Sie stellt Rückfragen, weist auf eine übersehene Möglichkeit hin und schlägt den nächsten Prüfschritt vor.
Der Elektriker entscheidet.
Oder ich entwickle ein Controlling-System. Die KI sieht die Kennzahlen, die Struktur und meine Überlegungen. Ich erkläre, warum ich bestimmte Größen ausgewählt habe. Sie widerspricht mir: Diese Kennzahl ist redundant. Dort fehlt eine Frühwarnkennzahl. Diese Zahl sagt ohne Vergleichsmaßstab wenig aus.
Wir arbeiten am selben Gegenstand.
Genau das ist für mich der entscheidende Unterschied zwischen KI-Nutzung und Co-Intelligenz.
Dafür brauchen wir übrigens nicht zwingend einen Bildschirm vor dem Auge. Eine leichte Brille mit Kamera, Mikrofon und Lautsprecher könnte genügen. Die visuelle Ausgabe kann weiterhin am Smartphone oder Computer erfolgen. Entscheidend ist etwas anderes: Die KI bekommt dieselbe Situation zu sehen wie der Mensch – und kann während der Tätigkeit in den Denkprozess eintreten.
Vom Antwortautomaten zum Sparringspartner
Ethan Mollick beschreibt KI in Co-Intelligence bewusst nicht nur als Werkzeug, sondern unter anderem als Co-Worker, Coach und Tutor. Das ist ein wichtiger gedanklicher Schritt: Wir sollten KI nicht ausschließlich danach beurteilen, welche Aufgaben sie automatisieren kann, sondern danach, wie sie menschliches Denken ergänzen kann.
Die Forschung zeigt gleichzeitig, warum dabei menschliches Urteil unverzichtbar bleibt. Dell’Acqua und Kollegen untersuchten in einem randomisierten Feldexperiment 758 Wissensarbeiter. Bei Aufgaben innerhalb der damaligen Leistungsgrenze der KI erledigten Teilnehmer mit GPT-4 mehr Aufgaben, schneller und mit höherer Qualität. Außerhalb dieser Grenze konnte KI-Unterstützung die Leistung jedoch verschlechtern. Die Autoren sprechen deshalb von einer jagged technological frontier – einer gezackten, schwer vorhersehbaren Leistungsgrenze der Technologie.
Das ist für unsere Überlegung zentral.
Co-Intelligenz bedeutet nicht, der KI mehr Verantwortung zu übertragen. Sie bedeutet, menschliches Urteil mit einer zweiten Intelligenz zu konfrontieren.
Auch andere Feldstudien zeigen das Potenzial dieser Zusammenarbeit. Brynjolfsson, Li und Raymond analysierten 5.179 Mitarbeiter im Kundensupport. Ein generativer KI-Assistent erhöhte die gemessene Produktivität im Durchschnitt um 14 Prozent; besonders stark profitierten weniger erfahrene Mitarbeiter. Die Autoren fanden zudem Hinweise darauf, dass das System bewährte Arbeitsweisen erfahrener Kollegen für weniger erfahrene Mitarbeiter verfügbar machte.
Genau hier wird es für Meisterschaft interessant: KI könnte nicht nur Arbeit beschleunigen. Sie könnte Erfahrung während der Tätigkeit verfügbar machen.
Was heute bereits möglich ist
Die Hardware nähert sich diesem Gedanken schneller, als ich zunächst angenommen hatte.
Ray-Ban Meta besitzt bereits Kamera, Mikrofone und Lautsprecher. Meta beschreibt selbst multimodale Anwendungen, bei denen Nutzer die Brille beispielsweise fragen können, was sie gerade ansehen. Die native Lösung bleibt allerdings an Meta AI gebunden.
Spannender für unser Experiment ist deshalb ein Open-Source-Projekt namens MetaLens AI. Das Projekt verbindet Meta-Smart-Glasses unter anderem mit ChatGPT und Gemini. Laut Projektdokumentation unterstützt es inzwischen freihändige Gespräche, Bildanalyse und „Live Vision AI“, bei der visueller Kontext aus der Brillenkamera an die KI weitergegeben wird. Das Projekt ist real – aber es ist ein experimenteller Community-Ansatz und keine offizielle ChatGPT-Integration von Meta.
Das ist ein wichtiger Unterschied. Für ein Forschungs- und Lernexperiment ist es interessant. Für einen produktiven professionellen Einsatz wären Stabilität, Datenschutz, Sicherheit, Latenz und die Verarbeitung vertraulicher Informationen gesondert zu prüfen.
Parallel entsteht mit Android XR ein zweites Ökosystem. Google formuliert die Vision erstaunlich nahe an unserer Fragestellung: Gemini soll über Kamera und Mikrofone die Perspektive des Trägers verstehen. Google unterscheidet inzwischen ausdrücklich zwischen leichten Audio-Brillen ohne Display und Varianten mit Display. Für die Audio-Brillen wurde bei Google I/O 2026 ein Marktstart im Herbst angekündigt; Google arbeitet dabei unter anderem mit Samsung sowie den Brillenmarken Gentle Monster und Warby Parker zusammen.
Eine Präzisierung ist wichtig: Das bedeutet nicht automatisch, dass im Herbst eine bestimmte „Samsung-Brille“ im Handel liegt. Samsung ist ein zentraler Android-XR-Partner; die konkret gezeigten ersten Brillendesigns stammen von Gentle Monster und Warby Parker. Genau deshalb sollten wir auf reale Produkte und Schnittstellen warten, statt aufgrund von Ankündigungen schon einen Sieger auszurufen.
Unsere eigentliche Hypothese
Die interessante Frage lautet deshalb nicht:
Welche Smart Glasses sollen wir kaufen?
Sondern:
Wie müssen Mensch und KI zusammenarbeiten, damit aus zwei unterschiedlichen Fähigkeiten tatsächlich ein besseres gemeinsames Denken entsteht?
Unsere derzeitige Hypothese lautet: Dafür braucht es mindestens fünf Elemente.
Erstens eine gemeinsame Wahrnehmung. Die KI muss die relevante Situation sehen oder hören können.
Zweitens einen gemeinsamen Kontext. Sie muss wissen, woran wir arbeiten, welches Ziel wir verfolgen und welche Überlegungen bereits stattgefunden haben.
Drittens einen echten Dialog. Nicht Frage – Antwort – Ende. Sondern Hypothese, Gegenargument, Beobachtung, neue Hypothese.
Viertens ein Gedächtnis. Entscheidungen, Irrtümer und Erkenntnisse müssen Teil des nächsten Arbeitsprozesses werden können.
Und fünftens eine klare Verantwortungsverteilung: Die KI analysiert, kritisiert und schlägt vor. Der Mensch entscheidet und trägt die Verantwortung.
Die wichtigste Fähigkeit müssen wir erst lernen
Hier liegt möglicherweise der größere blinde Fleck.
Selbst wenn morgen die perfekte Brille auf meinem Tisch liegt, bedeutet das noch lange nicht, dass wir gut zusammenarbeiten.
Zusammenarbeit muss gelernt werden.
Wir erleben das bereits in unseren täglichen Gesprächen. Eine gute gemeinsame Arbeit entsteht nicht dadurch, dass ich eine möglichst ausgefeilte Frage formuliere und anschließend eine fertige Antwort übernehme. Sie entsteht dadurch, dass wir eine Position entwickeln, sie angreifen, Annahmen überprüfen, Literatur suchen, Beispiele dagegenhalten und die ursprüngliche Idee verändern.
Das ist näher an Teamarbeit als an klassischer Softwarebedienung.
Und genau deshalb halte ich die aktuelle Fixierung auf Prompt Engineering für zu kurz gedacht. Natürlich müssen Menschen lernen, gute Anweisungen zu geben. Aber langfristig wird eine wichtigere Fähigkeit entstehen:
mit einer künstlichen Intelligenz gemeinsam denken zu können.
Meisterschaft bekommt damit eine neue Dimension
Das verändert auch unsere Frage nach Meisterschaft.
Wenn KI Wissen jederzeit verfügbar macht, wird menschliche Kompetenz nicht bedeutungslos. Im Gegenteil: Wer nichts versteht, kann schlechte Vorschläge kaum erkennen. Wer keine Erfahrung besitzt, weiß nicht, wann eine Antwort zwar plausibel klingt, aber nicht zur Realität passt.
Die gezackte Leistungsgrenze der KI macht genau dieses Problem sichtbar.
Meisterschaft im KI-Zeitalter bedeutet deshalb nicht, alles selbst zu können. Aber sie bedeutet ebenso wenig, alles an KI abzugeben.
Sie bedeutet, genug eigenes Wissen, Erfahrung und Urteilskraft aufzubauen, um mit einer zweiten Intelligenz produktiv arbeiten zu können.
Learn. Apply. Prove It. bekommt damit eine zusätzliche Ebene: Wir müssen nicht nur das Fachgebiet trainieren. Wir müssen auch die Zusammenarbeit trainieren.
Unser nächstes Experiment
Wir werden deshalb nicht auf die perfekte Hardware warten.
Wir arbeiten zunächst so weiter, wie wir es bereits tun: gemeinsam denken, diskutieren, recherchieren und Entscheidungen hinterfragen. Nach einer längeren Arbeitsphase wollen wir unsere eigenen Gespräche systematisch auswerten: Wo entstand tatsächlich ein besseres Ergebnis? Wo habe ich die Richtung vorgegeben? Wo hat die KI eine Annahme verändert? Wo hat sie nur bestätigt? Wo lag sie falsch? Und wie hat sich unsere Arbeitsweise verändert?
Parallel beobachten wir die Brillen.
MetaLens AI zeigt bereits heute, dass sich Ray-Ban Meta und externe KI-Systeme technisch näher zusammenbringen lassen. Android XR zeigt, dass große Plattformanbieter genau an der Schnittstelle aus Kamera, Audio, Kontext und KI arbeiten.
Vielleicht kaufen wir am Ende eine Meta-Brille. Vielleicht eine Android-XR-Brille. Vielleicht etwas, das heute noch nicht angekündigt ist.
Das ist zweitrangig.
Denn die Brille ist nur die Schnittstelle.
Der eigentliche Forschungsgegenstand sind wir: Mensch und KI als arbeitendes Team.
Literatur und Quellen
Dell’Acqua, F. et al. (2026). Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of Artificial Intelligence on Knowledge Worker Productivity and Quality. Organization Science, 37(2), 403–423. DOI / INFORMS
Brynjolfsson, E., Li, D. & Raymond, L. R. (2023). Generative AI at Work. NBER Working Paper No. 31161. NBER
Mollick, E. (2024). Co-Intelligence: Living and Working with AI. Portfolio/Penguin. Verlag
Google (2025). A new look at how Android XR will bring Gemini to glasses and headsets. Google Blog
Google (2026). Intelligent eyewear with Gemini is coming this fall. Google Blog
Meta. Multimodal generative AI systems. Meta AI
Nowicki, P. / MetaLens AI (2026). MetaLens AI – Talk to ChatGPT, take photos, analyze what you see and stream from Meta Glasses. Open-Source-Projekt. GitHub
Transparenzhinweis: Dieser Text entstand aus einer laufenden Mensch-KI-Arbeits- und Forschungsdiskussion. KI wurde für Recherche, Gegenprüfung, Strukturierung und sprachliche Überarbeitung eingesetzt. Die inhaltliche Auswahl, Bewertung und Verantwortung liegen beim Autor. Das Featured Image wurde mit generativer KI erstellt.