Denken im Zeitalter der Antworten

Howard Rheingold beobachtet seit vier Jahrzehnten, wie neue Medien das Denken verändern. Sein Befund zur KI ist unbequem: Das Problem ist nicht die Technologie, sondern das fehlende Können im Umgang mit ihr. Für eine Branche, die von Urteilsvermögen lebt, ist das mehr als eine Randnotiz.

Wer über künstliche Intelligenz spricht, spricht meist über Modelle, Lizenzen und Roadmaps. Howard Rheingold spricht über etwas anderes. Der Mann, der den Begriff der virtuellen Gemeinschaft prägte, das Whole Earth Review herausgab und dreissig Jahre lang in Berkeley und Stanford die gesellschaftlichen Folgen von Technologie lehrte, formuliert seine These in einem Satz: KI ist ein Know-how-Problem, bevor sie ein Technologieproblem ist.

Die Werkzeuge sind vorausgeeilt, die Praxis nicht

Rheingold stützt sich dabei auf Doug Engelbart, der 1962 menschliche Leistungsfähigkeit als Zusammenspiel von vier Elementen beschrieb: Sprache, Artefakte, Methodik und Training. Die Artefakte haben sich seither weit über alles hinausentwickelt, was Engelbart je vorführen konnte. Methodik und Training dagegen sind praktisch stehen geblieben. Wir verfügen über aussergewöhnliche Werkzeuge und über kaum geteilte Praxis, sie gut zu nutzen. In dieser Lücke, sagt Rheingold, wohnen die meisten Probleme.

Dass wir diese Prüfung schon einmal nicht bestanden haben, gehört zur Vorgeschichte. Mit den Suchmaschinen wanderte die Entscheidung darüber, was wahr ist, vom Verlag und von der Redaktion zu jener Person, die die Suchanfrage eintippt. Rheingold begann um 2005, Studierenden genau diese Fähigkeit beizubringen, und sah zu, wie sie eine hohe Platzierung in den Trefferlisten für einen Beweis der Seriosität hielten. Die Schulen haben diese Kompetenz schlecht vermittelt. KI hebt die Anforderung um eine Grössenordnung an, und zwar innerhalb einer Aufmerksamkeitsökonomie, die auf Zerstreuung gebaut ist.

Der Fehler heisst Suchmaschine

Die häufigste Fehlanwendung ist schnell beschrieben. Frage stellen, Antwort nehmen, aufhören. So genutzt, ist KI vor allem ein schnellerer Weg, selbstsicher falschzuliegen. Rheingolds Gegenmodell ist der Dialog. Der Wert entsteht in der Iteration, im Weiterfragen, im Nachbohren an der Antwort. Bemerkenswert dabei: Diese Systeme können ihren eigenen Gebrauch lehren. Wer dem Modell schildert, was er erreichen will, es nach einem guten Prompt fragt und anschliessend wissen möchte, warum dieser Prompt gut ist, verwandelt das Werkzeug in einen Tutor für das eigene Denken.

Dass ein Chatbot dabei ungewöhnlich überzeugend wirkt, ist kein Zufall. Die Stanford-Forschung hinter The Media Equation zeigte, dass Menschen sozial auf Medien reagieren und Stimmen wie Bildschirme wie Personen behandeln, obwohl sie es besser wissen. Ein Sprachmodell formuliert flüssig und tritt auf wie ein souveräner Gesprächspartner. Sein Output erhält damit früher Vertrauen, als er verdient. Vieles davon mag stimmen. Manches ist gründlich falsch. Es ist gerade die Eleganz der Formulierung, die den Fehler schwer auffindbar macht.

Die Reparatur beginnt vor der Abhängigkeit

Rheingolds Sorge zielt auf eine Generation, die das Schreiben und Argumentieren auslagert, bevor sie die Fähigkeit dazu überhaupt aufgebaut hat. Seine Antwort ist bemerkenswert konkret: Gemeinsam mit ChatGPT schrieb er eine Buchreihe, die seinem fünfjährigen Enkel beibringen soll, das eigene Denken zu bemerken, einen Plan zu fassen, zu prüfen, warum der Plan gescheitert ist, und es erneut zu versuchen. Wissenschaftliche Methode im Kleinformat. Das Ziel ist, mit genügend Urteilsvermögen bei diesen Werkzeugen anzukommen, um sie als Verstärker zu nutzen und nicht als Ersatz.

Was das für Organisationen bedeutet

Fünf Punkte lassen sich aus dem Gespräch destillieren, und sie treffen jede grössere Organisation, Versicherer und Broker eingeschlossen.

KI-Fähigkeit ist eine Literalität, keine Lizenzzahl. Der Engpass ist das Können, nicht der Zugang. Ein Unternehmen kann das Werkzeug auf jeden Schreibtisch stellen und fast nichts zurückbekommen, weil die Praxis nie vermittelt wurde. Seats kaufen und das Adoption nennen wiederholt den Fehler der Suchmaschinen-Ära, nur teurer.

Der höchste Nutzen liegt im Dialog, nicht im Abruf. Teams, die KI als Antwortmaschine behandeln, bekommen Antworten, meist durchschnittliche. Teams, die sie als Denkpartner behandeln, bekommen schärfere Fragen und bessere Arbeit. Der Unterschied ist eine Gewohnheit, kein Tool.

Überzeugende Sprachgewandtheit ist ein Risikomultiplikator, wo die Einsätze hoch sind. Eine selbstsichere Antwort erschleicht sich Vertrauen, und in Underwriting, Schadenprozessen, Kundendaten oder jeder Entscheidung mit realen Folgen skaliert ein kleiner Fehler schnell. Die Absicherung heisst menschliches Urteil am Punkt der Entscheidung, und dieses Urteil muss bewusst aufgebaut und nicht stillschweigend vorausgesetzt werden.

Echte Adoption läuft von unten. Der Personal Computer kam ins Unternehmen, weil Menschen ihre Apple II an den Arbeitsplatz trugen, um VisiCalc zu nutzen. Das Internet kam über Ingenieure, die es informell nutzten, um Wissen zu teilen. Die Methoden, die bleiben, kommen mit jenen Leuten, die am nächsten an der Arbeit sind. Von neuen Mitarbeitenden lernen ist klüger, als sie in bestehende Routinen einzusozialisieren.

Am schwersten ist die Arbeit daran, wie man besser wird. Engelbart unterschied drei Ebenen: die Arbeit tun, besser in der Arbeit werden, und besser darin werden, wie man besser wird. Auf der dritten Ebene bleiben Institutionen hängen, weil sie sich nie sauber auf das nächste Quartal abbilden lässt. Genau dort entscheidet sich, ob eine Organisation überhaupt anpassungsfähig ist.

Lehren für die Praxis

Wer daraus etwas mitnehmen will, kann bei vier Dingen ansetzen. Finanzieren Sie die Praxis, nicht nur die Plattform, denn das Werkzeug ist der billige Teil und das Know-how erzeugt die Rendite. Bauen Sie die Prüfung fest in den Workflow ein: Überall dort, wo ein KI-Output in eine Entscheidung fliesst, muss benannt sein, wer sie prüft und wie. Flüssigkeit ist eine Aufforderung zur Verifikation, kein Qualitätssignal. Setzen Sie KI zuerst dort ein, wo sie das Denken vertieft, und zuletzt in fragilen, folgenreichen Prozessen. Und benennen Sie eine verantwortliche Person für die Frage, wie Sie besser werden, denn genau diese Meta-Arbeit wird von Quartalszielen bestraft und ist zugleich die einzige, die sich über die Zeit verzinst.

Für eine Branche, deren Kernprodukt die Einschätzung von Unsicherheit ist, hat das eine unbequeme Pointe. Das Modell liefert die Antwort. Ob sie etwas taugt, bleibt eine Frage der Urteilskraft, und die lässt sich nicht als Lizenz einkaufen.

Binci Heeb

Lesen, hören und sehen Sie auch: KI als Verstärker des Menschen

---