In unserem Beitrag „AI First bedeutet: Neue Skills für alle“ sind wir darauf eingegangen, welche zusätzlichen Kompetenzen entstehen, wenn Menschen produktiv mit KI zusammenarbeiten: Priorisierung, Qualitätskontrolle, Tool-Auswahl und vor allem den Überblick behalten. Kurz: AI First bedeutet, dass alle sich neue Skills aneignen müssen, um im professionellen Umfeld effektiv mit einer oder gleich mehreren KIs zusammenarbeiten zu können.
Eine Frage, die wir dort nicht beleuchtet haben: AI First bedeutet eben nicht, dass bestehende menschliche Fähigkeiten über Nacht obsolet oder vollständig durch KI ersetzt werden. Das Gegenteil ist wahr. Wer KI unreflektiert einsetzt und sich ausschließlich auf diese verlässt, riskiert einen schleichenden Kompetenzverlust – ein Phänomen, das auch als Deskilling bekannt ist.
Aus unserer Sicht ist der zentrale Punkt, dass die Verantwortung für die Qualität der Ergebnisse immer beim Menschen liegt. Die KI liefert Outputs – aber die Einordnung, die kritische Prüfung und die finale Entscheidung sind und bleiben menschliche Aufgaben. Dafür müssen wir aber auch in Zukunft dazu in der Lage sein, diese Aufgaben zu erfüllen.
Deskilling oder das Taschenrechner-Problem
Die meisten von uns kennen das Phänomen aus dem Alltag: Kopfrechnen. Seit dem ersten Taschenrechner – und später Smartphones – hat unsere Fähigkeit zum schnellen Überschlagen im Kopf merklich nachgelassen. Wer heute im Meeting spontan zwei Prozentwerte vergleichen oder eine grobe Hochrechnung anstellen soll, greift reflexartig zum Smartphone. Die Fähigkeit, Größenordnungen intuitiv einzuschätzen, ist bei vielen etwas eingerostet.
Das ist kein individuelles Versagen. Es ist ein Grundprinzip menschlicher Kognition: Was wir nicht nutzen, verkümmert. Was wir regelmäßig trainieren, bleibt erhalten und verbessert sich im besten Fall sogar.
Genau dieses Prinzip greift auch bei der Arbeit mit KI-Systemen – nur dass die Konsequenzen im beruflichen Kontext gravierender sein können als eine falsch geschätzte Summe.
Arbeit mit KI-Tools: Was wir bei uns selbst beobachten
Bei NordAGI arbeiten wir täglich mit verschiedenen KI-Tools. Was wir dabei festgestellt haben: Der Griff zur KI ist wegen ihrer Verfügbarkeit und der Qualität ihrer Ergebnisse sehr niedrigschwellig. Leider werden dadurch bestimmte Denkprozesse ersetzt, statt sie gezielt zu unterstützen.
Hinzu kommt: Die Ergebnisse der KI sind immer nur so gut wie der Prompt, der ihr die Richtung vorgibt. Ein oberflächlicher Prompt führt zu einer oberflächlichen Antwort. Wer aus Bequemlichkeit zu wenig Kontext liefert oder die falschen Fragen stellt, erhält bestenfalls mittelmäßige Ergebnisse – und merkt es im schlimmsten Fall nicht einmal.
Beispiel 1: Research und Synthese
Wer sich regelmäßig einen Überblick über umfangreiche Studien, Whitepapers oder Fachartikel verschaffen muss, kennt die Versuchung: Alles in NotebookLM laden, zusammenfassen lassen, weiterarbeiten. Effizient? Ja. Aber auch vollständig?
Die Frage ist: Bekommen wir so tatsächlich mit, was die Autoren uns nuanciert mitteilen wollen? Erfassen wir die feinen Zwischentöne – das, was zwischen den Zeilen steht? Oder erhalten wir eine sterile Zusammenfassung, die den Kern trifft, aber die subtilen Botschaften dabei ignoriert?
Es gibt einen Unterschied zwischen Dekonstruktion und Komprimierung. Wer Inhalte nur durch eine KI zusammenfassen lässt, dekonstruiert sie – reduziert sie auf extrahierbare Fakten. Wer Inhalte selbst durcharbeitet, komprimiert sie – und kann sie später wieder expandieren, um zu verstehen, was die Autoren wirklich ausdrücken wollten.
Das bedeutet nicht, dass KI-Zusammenfassungen grundsätzlich ungeeignet sind. Für einen ersten Überblick, für die Priorisierung von Quellen oder für die schnelle Einordnung großer Dokumentenmengen sind sie hervorragend. Aber für Inhalte, die in Diskussionen, Entscheidungen oder eigene Publikationen einfließen sollen, lohnt sich das Querlesen der Originale. Zumindest die zentralen Passagen sollte man selbst gelesen und verstanden haben – schon um in einer Diskussion auf Augenhöhe argumentieren zu können.
Beispiel 2: Zahlen und Bauchgefühl
Ein zweites Beispiel betrifft den Umgang mit Daten. Stellen Sie sich vor, Sie erhalten eine umfangreiche Tabelle mit Finanzkennzahlen, Marktdaten oder Projektmetriken. Der schnelle Weg: die Tabelle in ein KI-Tool laden und sich eine Zusammenfassung generieren lassen.
Das funktioniert – bis es nicht mehr funktioniert.
Denn was dabei verloren geht, ist das Bauchgefühl, das sich einstellt, wenn man selbst über Zahlen schaut. Dieses intuitive Stutzen, wenn etwas nicht zusammenpasst. Wenn eine Kennzahl um eine Größenordnung daneben liegt. Wenn Verhältnisse nicht plausibel erscheinen.
Auch hier gilt: Die KI macht, was man ihr aufträgt. „Fass das zusammen“ ist ein anderer Auftrag als „Prüfe, ob die Zahlen plausibel sind“. Und selbst wenn die KI Inkonsistenzen erkennen könnte – erkennen wir sie noch, wenn wir diese Prüfung dauerhaft auslagern?
Wer denkt hier eigentlich? KI-Tools helfen beim Denken. Aber das Denken selbst – die Einordnung, die Bewertung, die Schlussfolgerung – muss vom Menschen kommen. Sonst wäre am Ende jeder ersetzbar. Die Inspiration, das originäre Denken, die unerwartete Verknüpfung: Das kommt noch nicht aus der Maschine.
Die eigentliche Gefahr bei der KI Nutzung: Ein unmerklicher Verlust von Fähigkeiten
Das Tückische am Deskilling ist sein unmerklicher Charakter. Es passiert nicht über Nacht. Es passiert in kleinen Schritten, von denen jeder einzelne rational erscheint:
- Textzusammenfassungen: Warum sollte ich diese Studie selbst lesen, wenn die KI sie in zwei Minuten zusammenfassen kann?
- Kennzahlenüberblick: Warum sollte ich mich durch eine umfangreiche Tabelle arbeiten, wenn das Tool mir die wichtigsten Erkenntnisse liefert?
- Texte generieren: Warum sollte ich diesen Text selbst formulieren, wenn die KI einen brauchbaren Entwurf produziert?
Jede dieser Herangehensweisen ist für sich rationalisierbar. In der Summe führen sie dazu, dass bestimmte kognitive Fähigkeiten – konzentriertes Lesen, kritisches Zahlenverständnis, eigenständiges Formulieren – weniger trainiert werden. Fähigkeiten, die durch Social Media und permanente Erreichbarkeit ohnehin unter Druck stehen. Und was weniger trainiert wird, verkümmert.
Die eigentlichen Fragen bei regelmäßiger KI-Nutzung
Die Frage ist nicht nur „Könnte ich das auch ohne KI?“ Die relevanteren Fragen lauten:
Wie groß ist mein Vertrauen in deren Ergebnisse? Vertraue ich darauf, dass die KI das kritische Denken geleistet hat, das ich selbst hätte leisten können? Oder müssen?
Habe ich die Quellen geprüft? Tools wie NotebookLM zeigen Fundstellen in den Originaldokumenten. Nutze ich diese Möglichkeit, um zu verifizieren, ob die Zusammenfassung den Kern trifft – oder arbeite ich blind mit dem Ergebnis weiter?
Wer denkt hier eigentlich? KI-Tools helfen beim Denken. Aber das Denken selbst – die Einordnung, die Bewertung, die Schlussfolgerung – muss vom Menschen kommen. Sonst wäre am Ende jeder ersetzbar. Die Inspiration, das originäre Denken, die unerwartete Verknüpfung: Das kommt noch nicht aus der Maschine.
Diese Fragen führen zu einer unbequemen Erkenntnis: Wer dauerhaft die Denkarbeit delegiert, verliert nicht nur Fähigkeiten – er verliert auch das, was ihn als Wissensarbeiter wertvoll macht.
Upskilling und Deskilling: zwei Seiten einer Medaille
Die Lösung ist nicht, auf KI zu verzichten. Das wäre weder realistisch noch sinnvoll. Die Lösung ist, KI-Nutzung bewusst zu gestalten.
Das bedeutet konkret:
Sich der eigenen Kernkompetenzen bewusst werden. Welche Fähigkeiten sind für Ihre Rolle, Ihre Expertise, Ihre Wertschöpfung zentral? Diese Fähigkeiten sollten Sie aktiv pflegen – auch wenn KI sie theoretisch übernehmen könnte.
Zwischen Delegation und Augmentation unterscheiden. Manche Aufgaben kann man vollständig an KI abgeben. Andere sollte man mit KI gemeinsam bearbeiten, wobei die eigene Denkleistung erhalten bleibt. Die Entscheidung, was wohin gehört, ist keine technische – sie ist eine strategische.
Die Fähigkeit zu Deep Work bewahren. Gelegentlich einen Text ohne KI-Unterstützung schreiben. Eine Analyse ohne Tool-Hilfe durchführen. Sich bewusst Zeit für konzentriertes, tiefes Arbeiten nehmen. Nicht aus Prinzip, sondern als Training – um die Fähigkeit zu erhalten, auch ohne technologische Unterstützung hochwertige Ergebnisse zu liefern.
KI macht produktiver – und darin liegt die Gefahr
Wie unreflektierte KI-Nutzung zum schleichenden Kompetenzverlust führt
Kennen Sie das Taschenrechner-Phänomen? Seit wir Taschenrechner und Smartphones haben, ist unsere Fähigkeit zum Kopfrechnen deutlich schlechter geworden. Was wir nicht nutzen, verkümmert. Das gleiche Prinzip gilt bei der Arbeit mit KI-Tools – nur dass die Konsequenzen im beruflichen Kontext gravierender sein können.
Fazit: KI gezielt nutzen und die eigene kritische Kompetenz weiterentwickeln
AI First bedingt neue Skills für alle. Aber mindestens genauso wichtig ist die Bereitschaft, beständig weiterzulernen – und zwar nicht nur im Umgang mit neuen Tools.
Faktenwissen lässt sich heute schneller abrufen als je zuvor. Was dagegen an Wert gewinnt: die Fähigkeit zu lernen, zu experimentieren, neugierig zu bleiben. Zu wissen, wie man sich neue Themen erschließt, wie man Informationen einordnet, wie man kritisch hinterfragt. Diese Meta-Kompetenz lässt sich nur bedingt an eine KI delegieren.
Je mehr Routineaufgaben an KI übergehen, desto wertvoller werden die Fähigkeiten, die Menschen einzigartig machen: kritisches Urteilsvermögen, kontextuelles Verständnis, das Gespür für Unstimmigkeiten – und die Fähigkeit, auch dann noch klar zu denken, wenn kein Tool zur Verfügung steht.
Die Herausforderung besteht darin, beides gleichzeitig zu entwickeln: neue Kompetenzen für die Arbeit mit KI aufbauen, während bestehende Kernkompetenzen erhalten bleiben. Das erfordert Bewusstsein für die Risiken des Deskillings – und die Bereitschaft, der Bequemlichkeit gelegentlich zu widerstehen.
Sie möchten KI gezielt in Ihrer täglichen Arbeit im Unternehmen einsetzen?
Sie erledigen täglich eine Vielzahl an Aufgaben im Tagesgeschäft Ihres Unternehmens und fragen sich, wie sie welche Aufgaben mit gezielter KI-Unterstützung vereinfachen könnten? In einem unverbindlichen Strategiegespräch stellen wir Ihnen gerne unseren NordAGI-Ansatz vor.
KI-Workflows für die Praxis – KI als Teammitglied im Mittelstand
[…] Ergebnisse prüfen: Wie bei jeder KI-Nutzung gilt: Die Extraktion ist sehr gut, aber nicht perfekt. Ein kurzer Blick, bevor die To-dos ins System wandern oder die Kernaussagen in die Dokumentation gehen, ist wichtig. Hier ein Blogartikel dazu. […]
KI-Workflows für die Praxis – KI als Teammitglied im Mittelstand
[…] Kompetenzaufbau, der nicht nur technische Fähigkeiten vermittelt, sondern auch die Fähigkeit, KI-Ergebnisse kritisch zu bewerten und die eigene Arbeitsbelastung realistisch einzuschätzen (LINK). […]