{"id":9843,"date":"2026-07-28T07:30:00","date_gmt":"2026-07-28T05:30:00","guid":{"rendered":"https:\/\/hub.hslu.ch\/immobilienblog\/?p=9843"},"modified":"2026-07-28T10:08:15","modified_gmt":"2026-07-28T08:08:15","slug":"macht-ai-uns-dumm","status":"publish","type":"post","link":"https:\/\/hub.hslu.ch\/immobilienblog\/2026\/07\/28\/macht-ai-uns-dumm\/","title":{"rendered":"Macht AI uns dumm ?"},"content":{"rendered":"\n

Die Erosion des Denkens im AI-Zeitalter<\/strong><\/p>\n\n\n\n

Die gr\u00f6sste Gefahr von AI ist nicht, dass Maschinen intelligenter werden als Menschen, sondern, dass wir uns daran gew\u00f6hnen, nicht mehr selbst denken zu m\u00fcssen.<\/strong><\/p>\n\n\n\n

Beitrag 1 der Serie «Der Mensch im AI-Zeitalter» von Prof. Dr. Markus Schmidiger<\/a><\/em><\/p>\n\n\n\n

Noch nie war es so einfach, intelligent zu wirken. Ein Junior Consultant erstellt heute innert weniger Minuten eine Pr\u00e4sentation, f\u00fcr die fr\u00fcher mehrere Tage Arbeit n\u00f6tig gewesen w\u00e4ren. Die Folien sehen professionell aus, die Sprache wirkt reif, die Argumentation ist logisch aufgebaut. Alles scheint zu stimmen, aber eine entscheidende Frage bleibt offen: Hat dieser Mensch das Problem wirklich verstanden oder hat er lediglich einen \u00fcberzeugenden Output produziert?<\/p>\n\n\n\n

Diese Frage markiert einen der tiefgreifendsten Umbr\u00fcche unserer Zeit.<\/p>\n\n\n\n

\u00dcber Jahrzehnte war die Qualit\u00e4t eines Ergebnisses zumindest ein grober Indikator f\u00fcr die Qualit\u00e4t des Denkens dahinter. Wer komplexe Zusammenh\u00e4nge verst\u00e4ndlich erkl\u00e4ren konnte, hatte sie in der Regel selbst durchdrungen. Wer \u00fcberzeugend argumentierte, hatte meist zuvor gerungen, gepr\u00fcft, verworfen und neu gedacht. Wer eine fundierte Analyse pr\u00e4sentierte, hatte sich Wissen und Verst\u00e4ndnis erarbeitet.<\/p>\n\n\n\n

Mit generativer AI beginnt sich diese Verbindung aufzul\u00f6sen.<\/p>\n\n\n\n

Das bedeutet nicht, dass Kompetenz verschwindet. Aber es bedeutet, dass Kompetenz zunehmend schwieriger erkennbar wird. Denn zum ersten Mal in der Geschichte k\u00f6nnen Menschen Ergebnisse erzeugen, die nach tiefem Verst\u00e4ndnis aussehen, ohne den Weg dorthin vollst\u00e4ndig selbst gegangen zu sein.<\/p>\n\n\n\n

Die neue Herausforderung besteht darin, dass die sichtbare Qualit\u00e4t eines Ergebnisses immer weniger dar\u00fcber aussagt, wie viel menschliches Denken tats\u00e4chlich darin steckt.<\/strong><\/p>\n\n\n\n

K\u00fcnstliche Kompetenz als neue Gefahr<\/strong><\/h2>\n\n\n\n

Wenn heute \u00fcber AI gesprochen wird, dominieren oft die grossen Fragen. Werden Maschinen Menschen ersetzen? Werden ganze Berufe verschwinden? Werden wir die Kontrolle \u00fcber intelligente Systeme verlieren?<\/p>\n\n\n\n

Diese Fragen lenken m\u00f6glicherweise von einer viel unmittelbareren Herausforderung ab: Die gr\u00f6sste Gefahr der n\u00e4chsten Jahre k\u00f6nnte nicht k\u00fcnstliche Intelligenz sein, sondern k\u00fcnstliche Kompetenz.<\/strong><\/p>\n\n\n\n

Gemeint ist damit nicht, dass Menschen pl\u00f6tzlich unf\u00e4higer werden. Gemeint ist etwas Subtileres: immer h\u00e4ufiger werden wir mit Ergebnissen konfrontiert sein, die Kompetenz signalisieren, ohne dass klar ist, wie viel Kompetenz tats\u00e4chlich dahintersteht.<\/p>\n\n\n\n

Ein strategisches Konzept wirkt durchdacht, eine Analyse fundiert, eine Pr\u00e4sentation \u00fcberzeugend, ein Essay liest sich reflektiert. Doch immer h\u00e4ufiger wird unklar, ob die Person hinter dem Ergebnis den Denkprozess selbst durchlaufen hat oder ob sie vor allem in der Lage war, einen leistungsf\u00e4higen Assistenten zu bedienen.<\/p>\n\n\n\n

Das Problem besteht dabei nicht darin, dass AI schlechte Ergebnisse liefert. Im Gegenteil: es besteht gerade darin, dass sie h\u00e4ufig erstaunlich gute Ergebnisse liefert.<\/p>\n\n\n\n

Der \u00d6konom David Autor weist seit Jahren darauf hin, dass technologische Entwicklungen selten einfach Arbeit ersetzen. Viel h\u00e4ufiger ver\u00e4ndern sie die F\u00e4higkeiten, die Menschen entwickeln und trainieren. Die entscheidende Frage lautet deshalb nicht prim\u00e4r \u00abWelche Aufgaben kann AI \u00fcbernehmen?\u00bb sondern eher \u00abWelche F\u00e4higkeiten werden dadurch seltener ge\u00fcbt?\u00bb<\/p>\n\n\n\n

Denn Kompetenz entsteht nicht dadurch, dass man gute Antworten besitzt. Kompetenz entsteht dadurch, dass man gute Antworten von schlechten unterscheiden kann. Diese F\u00e4higkeit wird im AI-Zeitalter wertvoller denn je.<\/p>\n\n\n\n

Die industrielle Revolution des Denkens<\/strong><\/h2>\n\n\n\n

Die industrielle Revolution automatisierte Muskelkraft: Maschinen \u00fcbernahmen T\u00e4tigkeiten, die zuvor k\u00f6rperliche Anstrengung erfordert hatten. Dadurch ver\u00e4nderte sich nicht nur die Wirtschaft. Es ver\u00e4nderte sich das Verh\u00e4ltnis des Menschen zur Arbeit.<\/p>\n\n\n\n

Die AI-Revolution automatisiert nicht Muskeln, sondern Teile der Kognition. Suchmaschinen machten Informationen zug\u00e4nglich, Tabellenkalkulationen automatisierten Berechnungen, Navigationssysteme ersetzten Orientierung. Generative AI geht einen Schritt weiter: Sie liefert nicht nur Informationen sondern bereits geordnete Gedanken.<\/p>\n\n\n\n

Google beantwortete Fragen, ChatGPT beginnt, Denkprozesse zu \u00fcbernehmen.<\/p>\n\n\n\n

Das klingt zun\u00e4chst wie eine nat\u00fcrliche Weiterentwicklung technologischer Hilfsmittel. Und tats\u00e4chlich haben Menschen seit jeher Werkzeuge entwickelt, um sich zu entlasten. Niemand w\u00fcrde heute ernsthaft fordern, wieder ohne Taschenrechner, Suchmaschinen oder Textverarbeitung zu arbeiten.<\/p>\n\n\n\n

Die entscheidende Frage lautet deshalb nicht, ob wir denken auslagern d\u00fcrfen, sondern, welche Formen des Denkens wir dauerhaft auslagern sollten und welche nicht.<\/strong><\/p>\n\n\n\n

Denn Denken besteht nicht nur darin, eine Antwort zu produzieren. Denken besteht darin, Unsicherheit auszuhalten, Zusammenh\u00e4nge zu erkennen, Widerspr\u00fcche zu pr\u00fcfen und sich Schritt f\u00fcr Schritt einer Einsicht anzun\u00e4hern. Genau dieser Prozess droht unsichtbar und ausgelagert zu werden.<\/p>\n\n\n\n

Der Medientheoretiker Marshall McLuhan formulierte bereits in den 1960er-Jahren einen Gedanken, der heute aktueller erscheint als je zuvor: \u201eWe shape our tools and thereafter our tools shape us.\u201c<\/strong><\/p>\n\n\n\n

Genau wie k\u00f6rperliche St\u00e4rke w\u00e4hrend der Industrialisierung ihren \u00f6konomischen Sonderstatus verlor, verlieren heute viele kognitive Standardleistungen ihren Seltenheitswert. Informationen zusammenzufassen, Routineanalysen zu erstellen oder durchschnittliche Texte zu formulieren wird zunehmend automatisiert.<\/p>\n\n\n\n

Dadurch verschiebt sich die Frage nach menschlichem Wert. Nicht Wissen oder  Information wird knapp sondern die F\u00e4higkeit, Bedeutung zu erkennen, Verantwortung zu \u00fcbernehmen und unter Unsicherheit zu urteilen, mit anderen Worten: Urteilskraft.<\/p>\n\n\n\n

Cognitive Offloading: Wenn Denken delegierbar wird<\/strong><\/h2>\n\n\n\n

Die Psychologie kennt f\u00fcr diese Entwicklung einen eigenen Begriff: Cognitive Offloading. Gemeint ist die Auslagerung geistiger Prozesse an externe Hilfsmittel. Menschen tun das seit Jahrhunderten. Wir schreiben Einkaufslisten, speichern Telefonnummern im Smartphone, verlassen uns auf Navigationssysteme oder nutzen Suchmaschinen, statt Fakten auswendig zu lernen.<\/p>\n\n\n\n

Das ist weder neu noch problematisch. Im Gegenteil, viele kulturelle Fortschritte beruhen genau auf dieser F\u00e4higkeit, geistige Ressourcen effizienter einzusetzen.<\/p>\n\n\n\n

Doch generative AI ver\u00e4ndert die Art dessen, was ausgelagert wird: Fr\u00fchere Werkzeuge halfen uns vor allem dabei, Informationen zu speichern oder abzurufen. AI unterst\u00fctzt zunehmend bei Aufgaben, die bisher als Kernbestandteile menschlichen Denkens galten: Strukturieren, Formulieren, Priorisieren, Argumentieren und Interpretieren.<\/p>\n\n\n\n

Damit verschiebt sich die Diskussion grundlegend. Die Forscher Betsy Sparrow, Jenny Liu und Daniel Wegner konnten bereits 2011 zeigen, dass Menschen Informationen schlechter behalten, wenn sie wissen, dass diese jederzeit digital verf\u00fcgbar sind. Das Gehirn merkt sich dann weniger den Inhalt selbst und st\u00e4rker den Weg zur\u00fcck zur Information. Mit AI k\u00f6nnte sich dieses Muster ausweiten.<\/p>\n\n\n\n

Wenn Systeme nicht nur Informationen liefern, sondern bereits erste Gedanken, Argumente und Interpretationen, stellt sich eine neue Frage: Was passiert mit F\u00e4higkeiten, die wir immer seltener selbst nutzen?<\/p>\n\n\n\n

Unser Gehirn ist keine Festplatte sondern ein Trainingssystem. <\/strong>Was wir regelm\u00e4ssig nutzen, wird st\u00e4rker. Was wir dauerhaft auslagern, verliert an Tiefe. Somit ist die entscheidende Frage weniger, ob AI denkt, sondern viel mehr, welche Denkf\u00e4higkeiten wir weiterhin selbst trainieren wollen.<\/p>\n\n\n\n

Lernen braucht Reibung<\/strong><\/h2>\n\n\n\n

Eines der gr\u00f6ssten Missverst\u00e4ndnisse unserer Zeit liegt in der Vorstellung, Lernen m\u00fcsse m\u00f6glichst reibungslos verlaufen.<\/strong><\/p>\n\n\n\n

In Wahrheit entsteht tiefes Verst\u00e4ndnis selten im Moment der Klarheit. Es entsteht meist in der Phase davor: Im Ringen, Zweifeln, Scheitern, im Versuch, Ordnung in etwas zu bringen, das zun\u00e4chst unverst\u00e4ndlich erscheint.<\/p>\n\n\n\n

Der Psychologe Albert Bandura zeigte mit seiner Forschung zur Selbstwirksamkeit, dass Menschen Vertrauen in ihre F\u00e4higkeiten nicht dadurch entwickeln, dass Schwierigkeiten vermieden werden, sondern dadurch, dass Herausforderungen bew\u00e4ltigt werden.<\/p>\n\n\n\n

Genau deshalb sind die unangenehmen Teile eines Lernprozesses oft die wertvollsten: Der schlechte erste Entwurf, die verworfene Hypothese, die Sackgasse, die R\u00fcckfrage, auf die man keine Antwort hat, die Unsicherheit, ob man \u00fcberhaupt auf dem richtigen Weg ist.<\/p>\n\n\n\n

All diese Erfahrungen f\u00fchlen sich im Moment unerquicklich an. Doch genau dort entstehen Kompetenz, Urteilsverm\u00f6gen und geistige Eigenst\u00e4ndigkeit.<\/p>\n\n\n\n

Die Lernforscher Robert und Elizabeth Bjork sprechen von \u00abDesirable Difficulties\u00bb und meinen damit jene Formen von Anstrengung, die kurzfristig m\u00fchsam wirken, langfristig aber besonders wirksames Lernen erm\u00f6glichen.<\/p>\n\n\n\n

Generative AI greift genau hier ein: Sie kann Reibung reduzieren, Orientierung geben, Blockaden l\u00f6sen und Menschen helfen, schneller voranzukommen.<\/p>\n\n\n\n

Doch das kann auch dazu f\u00fchren, dass Lernprozesse \u00fcbersprungen werden: Der gute Entwurf erscheint, bevor wir den schlechten geschrieben haben, die Struktur entsteht, bevor wir mit Chaos gerungen haben, Die Antwort erscheint, bevor die Frage wirklich gereift ist.<\/p>\n\n\n\n

Das f\u00fchlt sich effizient an und ist deshalb verf\u00fchrerisch. Doch Kompetenz entsteht nicht durch den Besitz fertiger Antworten, sondern durch die F\u00e4higkeit, Antworten zu pr\u00fcfen, weiterzuentwickeln und unter neuen Bedingungen selbst zu erzeugen. Die entscheidende Frage lautet deshalb, ob AI Lernen vertieft oder ersetzt.<\/p>\n\n\n\n

Die Krise der Junioren: Wenn Unternehmen ihre Lernr\u00e4ume automatisieren<\/strong><\/h2>\n\n\n\n

Besonders sichtbar wird diese Entwicklung dort, wo Expertise normalerweise entsteht: am Anfang einer Karriere.<\/p>\n\n\n\n

Fast jede professionelle Kompetenz beginnt mit Unsicherheit. Niemand wird ein guter Berater, eine starke Juristin, ein erfahrener Investor oder eine \u00fcberzeugende F\u00fchrungskraft, weil er von Anfang an perfekte Ergebnisse produziert. Kompetenz entsteht durch Wiederholung, Korrektur und Erfahrung.<\/strong> Durch das wiederholte Scheitern an Problemen, die zun\u00e4chst gr\u00f6sser sind als die eigenen F\u00e4higkeiten.<\/p>\n\n\n\n

Genau diese Lernschleifen geraten nun unter Druck.<\/p>\n\n\n\n

Ein Junior Consultant kann heute eine Marktanalyse erstellen lassen, bevor er gelernt hat, M\u00e4rkte wirklich zu verstehen. Eine junge Juristin erh\u00e4lt Formulierungsvorschl\u00e4ge, bevor sie gelernt hat, juristisch zu argumentieren. Ein Nachwuchsentwickler bekommt funktionierenden Code, bevor er die dahinterliegenden Systemlogiken durchdrungen hat. Eine Studentin reicht einen \u00fcberzeugenden Essay ein, bevor sie ihre Gedanken wirklich entwickelt hat.<\/p>\n\n\n\n

In all diesen F\u00e4llen entsteht besserer Output. Aber entsteht auch bessere Kompetenz?<\/p>\n\n\n\n

Das ist keine rhetorische Frage sondern m\u00f6glicherweise eine der wichtigsten Managementfragen des kommenden Jahrzehnts.<\/p>\n\n\n\n

Viele Unternehmen betrachten AI heute prim\u00e4r als Produktivit\u00e4tsinstrument. Das ist nachvollziehbar. Wer schneller bessere Ergebnisse erzeugen kann, gewinnt Effizienz. Wer Routinearbeit reduziert, spart Kosten. Wer Mitarbeitende produktiver macht, erh\u00f6ht die Wettbewerbsf\u00e4higkeit.<\/p>\n\n\n\n

Dabei \u00fcbersehen sie die grosse Gefahr und automatisieren jene T\u00e4tigkeiten, aus denen bisher Expertise entstanden ist: Die m\u00fchsame Recherche, der schlechte erste Entwurf, die kritische R\u00fcckmeldung eines erfahrenen Kollegen, die Pr\u00e4sentation, die im Meeting auseinandergenommen wurde, die Analyse, die zentrale Zusammenh\u00e4nge \u00fcbersehen hatte waren alles Lernr\u00e4ume. All diese Situationen waren unangenehm. Aber sie waren auch die Orte, an denen Menschen gelernt haben, besser zu denken.<\/p>\n\n\n\n

Wer heute einen Senior Partner in einer Beratung, eine erfahrene Richterin oder einen erfolgreichen Unternehmer fragt, wie sie ihre Urteilskraft entwickelt haben, wird selten h\u00f6ren: durch perfekte Vorlagen. Fast immer lautet die Antwort: durch Erfahrung,  Fehler, R\u00fcckschl\u00e4ge, Situationen, in denen sie falsch lagen und daraus lernen mussten.<\/p>\n\n\n\n

Genau deshalb ist die Frage so brisant: Wer wird k\u00fcnftig Senior, wenn niemand mehr richtig Junior war?<\/strong><\/p>\n\n\n\n

Diese Frage betrifft nicht nur einzelne Karrieren. Sie betrifft die Zukunftsf\u00e4higkeit ganzer Organisationen. Denn Unternehmen leben langfristig nicht von ihren heutigen Experten. Sie leben von ihrer F\u00e4higkeit, neue Experten hervorzubringen.<\/p>\n\n\n\n

Wenn AI vor allem dazu genutzt wird, menschliche Lernschleifen zu verk\u00fcrzen, entsteht ein paradoxes Risiko: Die Organisation wird kurzfristig produktiver und langfristig geistig schw\u00e4cher. Sie produziert mehr Ergebnisse, aber weniger Urteilskraft, mehr Analysen, aber weniger Verst\u00e4ndnis, mehr Antworten, aber weniger Menschen, die gute Fragen stellen k\u00f6nnen.<\/p>\n\n\n\n

Unternehmen sidn deshalb gut beraten, AI nicht nur m\u00f6glichst schnell einzuf\u00fchren, sondern gleichzeitig auch, Lernr\u00e4ume bewusst zu erhalten. Denn Expertise entsteht nicht dort, wo alles einfach wird, sondern dort, wo Menschen lernen, mit Komplexit\u00e4t umzugehen.<\/p>\n\n\n\n

Die neue digitale Kluft: mental souver\u00e4n oder mental abh\u00e4ngig<\/strong><\/h2>\n\n\n\n

Lange Zeit wurde die digitale Kluft als Frage des Zugangs verstanden: Wer hatte Internet? Wer hatte Computer? Wer konnte digitale Werkzeuge bedienen?<\/p>\n\n\n\n

Diese Unterscheidung verliert im AI-Zeitalter zunehmend an Bedeutung.<\/p>\n\n\n\n

Generative AI wird bald \u00fcberall verf\u00fcgbar sein. Sie wird in Suchmaschinen, Office-Anwendungen, CRM-Systemen, Lernplattformen und Unternehmenssoftware integriert sein. Die entscheidende Frage lautet deshalb nicht mehr, wer AI nutzt. Fast alle werden AI nutzen. Die entscheidende Frage lautet: Wie ver\u00e4ndert AI das Denken ihrer Nutzer?<\/p>\n\n\n\n

Hier entsteht die eigentliche Kluft der Zukunft: Auf der einen Seite stehen Menschen, die AI nutzen, um besser zu denken. Auf der anderen Seite Menschen, die AI nutzen, um weniger denken zu m\u00fcssen.<\/strong> Die neue Kluft verl\u00e4uft zwischen kognitiver Souver\u00e4nit\u00e4t und kognitiver Abh\u00e4ngigkeit.<\/p>\n\n\n\n

Kognitiv souver\u00e4ne Menschen nutzen AI als Sparringspartner. Sie entwickeln zun\u00e4chst eigene Hypothesen, pr\u00fcfen Vorschl\u00e4ge kritisch, suchen aktiv nach Gegenargumenten. Sie nutzen AI, um blinde Flecken sichtbar zu machen und ihre Gedanken zu sch\u00e4rfen.<\/p>\n\n\n\n

Kognitiv abh\u00e4ngige Menschen nutzen AI anders. Sie fragen fr\u00fcher, \u00fcbernehmen schneller, pr\u00fcfen weniger, halten Unsicherheit schlechter aus. Sie verlassen sich zunehmend auf externe Antworten, statt eigene Gedanken zu entwickeln.<\/p>\n\n\n\n

Es geschieht schleichend: Eine schwierige Frage wird nicht mehr zuerst selbst durchdacht, eine Analyse nicht mehr selbst strukturiert, eine Idee nicht mehr entwickelt, sondern generiert, eine Unsicherheit wird nicht mehr ausgehalten, sondern sofort aufgel\u00f6st.<\/p>\n\n\n\n

Von aussen wirkt das oft wie Fortschritt, weil die Texte besser, die Pr\u00e4sentationen professioneller und die Kommunikation effizienter werden.<\/p>\n\n\n\n

Doch innerlich k\u00f6nnte etwas anderes passieren: weniger Eigenst\u00e4ndigkeit, weniger geistige Ausdauer und weniger Vertrauen in die eigene Denkf\u00e4higkeit.<\/p>\n\n\n\n

Der Philosoph Thomas Metzinger spricht von mentaler Selbstbestimmung als einer zentralen Herausforderung des 21. Jahrhunderts. Genau darum geht es hier. Die wichtigste Kompetenz der Zukunft wird nicht darin bestehen, AI bedienen zu k\u00f6nnen. Die wichtigste Kompetenz wird darin bestehen, AI nutzen zu k\u00f6nnen, ohne die eigene Urteilskraft auszulagern.<\/p>\n\n\n\n

Denn AI produziert Wahrscheinlichkeit, Menschen m\u00fcssen Bedeutung pr\u00fcfen. AI kann Muster erkennen, Menschen m\u00fcssen Verantwortung \u00fcbernehmen. AI kann Antworten formulieren, Menschen m\u00fcssen entscheiden, welche davon tragf\u00e4hig sind.<\/p>\n\n\n\n

Deshalb wird der entscheidende Wettbewerbsvorteil k\u00fcnftig nicht darin liegen, die meisten Tools zu beherrschen. Der Vorsprung wird bei jenen liegen, die trotz permanenter AI-Unterst\u00fctzung geistig unabh\u00e4ngig bleiben.<\/p>\n\n\n\n

AI als Kr\u00fccke oder Trainer<\/strong><\/h2>\n\n\n\n

Wie k\u00f6nnen wir AI nutzen, ohne in genau diese Abh\u00e4ngigkeit zu geraten? Die Antwort beginnt mit einer einfachen Unterscheidung: AI kann eine Kr\u00fccke sein, oder ein Trainer.<\/p>\n\n\n\n

Als Kr\u00fccke nimmt sie uns Widerstand ab, liefert die Antwort, bevor wir selbst nachgedacht haben, formuliert den Text, bevor wir mit Sprache gerungen haben, l\u00f6st das Problem, bevor wir gelernt haben, das Problem zu verstehen. Das f\u00fchlt sich effizient an und ist es oft auch. Doch langfristig schw\u00e4cht jede Kr\u00fccke F\u00e4higkeiten, die nicht mehr genutzt werden.<\/p>\n\n\n\n

Als Trainer funktioniert AI anders: Sie fordert uns heraus, stellt Fragen, zeigt blinde Flecken, liefert Gegenargumente,  zwingt uns, Annahmen zu \u00fcberpr\u00fcfen und unsere Gedanken zu pr\u00e4zisieren.<\/strong><\/p>\n\n\n\n

Der Unterschied beginnt oft bereits mit dem ersten Prompt. Wer fragt: \u201eSchreib mir die L\u00f6sung.\u201c nutzt AI als Kr\u00fccke. Wer fragt: \u201eWelche Annahmen \u00fcbersehe ich?\u201c oder \u201eWelche Gegenargumente m\u00fcsste ich ernst nehmen?\u201c nutzt AI als Trainer.<\/p>\n\n\n\n

Prompting ist deshalb nicht die eigentliche Zukunftskompetenz. Die eigentliche Kompetenz heisst Urteilskraft. Wer AI nur bedienen kann, ist noch nicht souver\u00e4n. Souver\u00e4n wird, wer AI f\u00fchren kann, wer weiss, wann Beschleunigung sinnvoll ist und wann Verlangsamung notwendig. Wer erkennt, wann eine Antwort hilfreich ist und wann sie das Denken zu fr\u00fch beendet.<\/p>\n\n\n\n

Die entscheidende Frage lautet deshalb nicht: Wie viel k\u00f6nnen wir an AI delegieren? Sondern: Was d\u00fcrfen wir nicht delegieren? Denn nicht jede Reibung ist Verschwendung. Manche Reibung ist Training.<\/p>\n\n\n\n

Was F\u00fchrungskr\u00e4fte jetzt anders machen m\u00fcssen<\/strong><\/h2>\n\n\n\n

F\u00fcr F\u00fchrungskr\u00e4fte bedeutet das nicht nur die Produktivit\u00e4tsgewinne mit AI im Blick zu haben, sondern sich auch die Frage zu stellen, wie sie daf\u00fcr sorgen wollen, dass die Organisation durch AI nicht nur schneller, sondern auch kl\u00fcger wird.<\/p>\n\n\n\n

Denn Geschwindigkeit ist kein Beweis f\u00fcr Intelligenz, Output ist kein Beweis f\u00fcr bessere Entscheidungen, professionellere Pr\u00e4sentationen sind kein Beweis f\u00fcr mehr Verst\u00e4ndnis.<\/p>\n\n\n\n

F\u00fchrungskr\u00e4fte m\u00fcssen k\u00fcnftig st\u00e4rker auf Denkprozesse achten als auf Ergebnisse. <\/strong>Sie m\u00fcssen fragen: Wie bist du zu dieser Einsch\u00e4tzung gekommen? Welche Annahmen hast du gepr\u00fcft? Welche Alternativen hast du verworfen? Was w\u00fcrde gegen deine Empfehlung sprechen? Was hat die AI vorgeschlagen und warum bist du ihr gefolgt oder nicht gefolgt?<\/p>\n\n\n\n

Solche Fragen werden wichtiger als die Pr\u00e4sentation selbst. Denn wenn die Oberfl\u00e4che immer besser wird, muss die Pr\u00fcfung tiefer werden.<\/p>\n\n\n\n

Gleichzeitig m\u00fcssen Unternehmen bewusst Lernr\u00e4ume sch\u00fctzen.<\/strong> Nicht jede T\u00e4tigkeit, die automatisiert werden kann, sollte automatisiert werden. Manche Aufgaben dienen nicht nur der Leistungserbringung. Sie dienen dem Kompetenzaufbau.<\/p>\n\n\n\n

Wer alle Reibung eliminiert, eliminiert irgendwann auch Lernen. Organisationen sollten deshalb AI nicht nur als Effizienztechnologie betrachten. Sie sollten sie als Kompetenztechnologie gestalten.<\/p>\n\n\n\n

F\u00fcnf Regeln f\u00fcr mentale Souver\u00e4nit\u00e4t<\/strong><\/h2>\n\n\n\n

Wie kann das konkret aussehen? F\u00fcnf einfache Prinzipien k\u00f6nnen helfen.<\/p>\n\n\n\n