Systeme der KI entwerfen, die Menschen und Wissen wachsen lassen

Wenn wir ein System der künstlichen Intelligenz in einer Organisation einführen, sollten wir uns fragen, welche Fähigkeiten wir bei den Personen entwickeln wollen, die es nutzen werden. Die eingesparte Zeit ist wichtig. Ebenso wichtig ist, was mit dem Wissen, der beruflichen Autonomie und der Fähigkeit, fundierte Entscheidungen zu treffen, geschieht.

Zwei im September 2026 veröffentlichte Beiträge bieten nützliche Perspektiven, um diese Frage anzugehen. „Working with AI“ der Forschungsgruppe der Universität Auckland schlägt ein Modell zur Gestaltung der Zusammenarbeit zwischen Menschen und KI-Systemen vor. „Educating minds with generative AI“ von Laura Desiree Di Paolo, Andy Clark und Thomas Wachter fordert dazu auf, die Bedingungen und Ziele des Lernens neu zu überdenken. Ich lese sie als Aufforderung, die Entscheidungen, die mit der technologischen Einführung einhergehen, explizit zu machen.

Die Zusammenarbeit erfordert ein Projekt

Das White Paper von Auckland stellt fünf Dimensionen in Beziehung: Person, KI-System, Aufgabe, Organisation und Gesellschaft. Es schlägt vor, den Erfolg auch durch die Erfahrung der Arbeiter und die Qualität der Zusammenarbeit zu bewerten. Im illustrativen Fall montieren 30 Teilnehmer ein Ventil mit einem Roboter, der die Werkzeuge reicht. Sie können verschiedene Konfigurationen ausprobieren und wählen, wie sie interagieren möchten. Ein absichtlicher Fehler des Roboters verringert das angegebene Vertrauen; im folgenden Versuch mit korrektem Verhalten steigt das Vertrauen wieder an. Das Ergebnis betrifft eine begrenzte Laboraktivität: Es zeigt keine dauerhaften Auswirkungen auf die Unternehmensproduktivität und erlaubt keine Verallgemeinerung auf generative Systeme. [1]

Für diejenigen, die ein Unternehmen führen, legen diese Elemente eine konkrete Frage nahe: Kann der Arbeitnehmer wirklich in den Prozess eingreifen? Bei einem KI-Projekt für den Kundenservice zum Beispiel muss festgelegt werden, wer eine Antwort überprüft, wann ein Fall an eine Person weitergeleitet wird und wie das aus einem Fehler Gelernte bewahrt wird. Dies ist ein Beispiel für ein Design, das ich vorschlage, keine Anwendung, die im Whitepaper überprüft wurde.

Moderne Informatik ist sozial. Jede Entscheidung über die Funktionsweise eines Systems beeinflusst die Arbeitsbeziehungen, die Verteilung der Verantwortlichkeiten und kann den anerkannten Wert der Kompetenzen verändern. Deshalb muss die Ausbildung nicht nur die Personen begleiten, die die Ziele und Prozesse festlegen, sondern auch diejenigen, die die Schnittstelle nutzen.

Kompetenz über das Ergebnis hinaus bewerten

Educating minds with generative AI ist ein perspektivischer Artikel, der einer wissenschaftlichen Begutachtung unterzogen wurde, kein neues Experiment. Die Autoren beschreiben die Schule als eine Umgebung, in der soziale Praktiken, Materialien und Technologien zur Bildung des Denkens beitragen. Sie identifizieren eine Kluft zwischen KI-Design und Lernwissenschaften sowie eine zweite zwischen messbaren Leistungen und Persönlichkeitsentwicklung. Außerdem hinterfragen sie die Konzentration von Erklärung, Feedback und Bewertung in einer einzigen Schnittstelle. Die langfristigen kognitiven und sozialen Folgen sind noch zu untersuchen. [2]

Die Unterscheidung betrifft auch die Erwachsenenbildung. Ein gut geschriebenes Werk von einem generativen System sagt uns allein nicht, ob die Person, die es vorlegt, das Problem verstanden hat. Bei der Gestaltung der DKTS-Kurse halte ich es für wesentlich, die Person zu bitten, ihre Entscheidungen zu erklären und neue Situationen zu bewältigen. Die Überprüfung muss den Beitrag der KI und den der Person, die sie nutzt, sichtbar machen.

Stellen wir uns eine betriebliche Schulungsübung vor: Das System schlägt eine Lösung für ein organisatorisches Problem vor, die Teilnehmer überprüfen die Voraussetzungen und diskutieren, welche Informationen fehlen. Dann bearbeitet jeder einen anderen Fall und begründet seine Entscheidung. Es ist ein didaktischer Vorschlag, der erprobt und auch nach einiger Zeit bewertet werden sollte, um zu verstehen, welche Kenntnisse erhalten geblieben sind.

Wissen und Verantwortung bei der Entscheidung

Ich verwende oft vier Verben: fragen, erhalten, bewerten, entscheiden. Sie sind eine Erinnerung, die Beziehung zu den KI-Systemen bewusst zu halten. Die Frage erfordert bereits eine Wahl: das Problem definieren, den Kontext erkennen und verstehen, welche Informationen benötigt werden. Die Bewertung erfordert Wissen. Die Entscheidung trägt die Verantwortung einer Person und der Organisation, in der sie tätig ist.

Künstliche Intelligenz ist eine Disziplin. Ihre Einführung erfordert eine Kultur, die technologische Kompetenzen und das Verständnis für Menschen miteinander in Beziehung setzen kann. Nach meiner Erfahrung hat die Verbindung von geisteswissenschaftlicher Bildung und Technologie ermöglicht, Probleme aus verschiedenen Perspektiven zu betrachten. Diese Fähigkeit möchte ich auch in der beruflichen Weiterbildung weiterhin fördern.

Für DKTS bedeutet Wissenswertschätzung auch die Frage, wo die während der Arbeit gesammelte Erfahrung bleibt. Wenn ein System eine Zusammenfassung erstellt, wer überprüft dann die Quellen? Wenn ein Fehler auftritt, wie wird daraus geteiltes Wissen? Wenn eine erfahrene Person eine Ausnahme erkennt, wie machen wir ihr Denken für die Kollegen verständlich? Das sind Fragen, die man stellen sollte, bevor man einen Prozess automatisiert.

Dasselbe Kriterium muss die Inklusion leiten. Aus meiner Sicht sind der Zugang zur Ausbildung und die Möglichkeit, Einfluss auf Entscheidungen zu nehmen, Bedingungen, die für alle Menschen überprüft werden müssen, einschließlich derjenigen mit geringerer digitaler Kompetenz. Die Erfahrung von Menschen, die einen Beruf kennen, kann helfen, das, was ein System vorschlägt, zu bewerten; sie muss Raum in der Gestaltung und im Austausch finden.

Experimentieren und im Laufe der Zeit überprüfen

Mein Vorschlag ist, von einem erkennbaren Problem auszugehen und im Voraus festzulegen, wie wir das Ergebnis bewerten werden. Neben Zeit und Qualität des Dienstes beobachten wir die Fähigkeit, Fehler zu erkennen, Entscheidungen zu erklären und einen Fall ohne Unterstützung zu bewältigen, wenn es nötig ist. Eine begrenzte Erprobung ermöglicht es, zu verstehen, was vor der Ausweitung der Systemnutzung geändert werden muss.

Zuerst experimentieren, dann validieren und weiterhin beobachten. Die Bedürfnisse können sich mit der Erfahrung der Menschen und mit den Systemaktualisierungen ändern. Auch die Bewertungskriterien müssen offen für Überarbeitungen bleiben.

Wir brauchen Intelligenzen: menschliche, künstliche, kollektive, organisatorische und wissenschaftliche. Sie zusammenarbeiten zu lassen, erfordert Fürsorge für die Bedingungen, unter denen Menschen lernen und Entscheidungen treffen. Der Wert der Innovation zeigt sich auch hier: im Wissen, das in den Organisationen verbleibt, und in der Fähigkeit der Menschen, es verantwortungsvoll zu nutzen.

Referenzen

[1] Yuqian Lu, Regina Lee, Rui Zhou, Lixin Jiang, Andrew McDaid und Amy Lawrence. Zusammenarbeit mit KI: Ein Designrahmen für die Mensch-KI-Kollaboration. Universität Auckland, September 2026; arXiv-Version eingereicht am 25. September 2026. Whitepaper, wissenschaftliche Begutachtung nicht angegeben.
https://doi.org/10.48550/arXiv.2609.31793

[2] Laura Desiree Di Paolo, Andy Clark und Thomas Wachter. Educating minds with generative AI. Communications Psychology, 4, 128, 14. September 2026. Perspektivartikel mit Peer-Review.
https://doi.org/10.1038/s44271-026-00522-8