KI-Deskilling: Wenn Produktivität auf Kosten der Kompetenz geht

Künstliche Intelligenz (KI) revolutioniert die Arbeitswelt und verspricht immense Produktivitätssteigerungen. Doch während Aufgaben schneller erledigt werden, wächst die Sorge, dass die Nutzung von KI-Tools schleichend zu einem Verlust an grundlegenden Fähigkeiten führen könnte – ein Phänomen, das als "Deskilling" bezeichnet wird.

Die KI-Faszination und ihre Schattenseiten

Josh Anderson, ein Softwareberater mit 25 Jahren Erfahrung, erlebte dies am eigenen Leib. Zwischen Juni und August baute er in einem Livestream eine Software namens "Road Trip Ninja" mithilfe von KI, ohne selbst eine einzige Zeile Code zu schreiben. Die App sollte Familien helfen, zuverlässige Zwischenstopps auf langen Fahrten zu finden. Anfangs schien es magisch: Funktionen entstanden in Minuten, der Fortschritt war rasant.

Doch mit der Zeit und einer wachsenden Codebasis von rund 100.000 Zeilen verlangsamte sich das Tempo. Der Austausch mit dem Chatbot zog sich von Minuten auf Stunden, Pläne wichen von seinen Standards ab, und Problembehebungen wurden zu einem "nie endenden Ringkampf". Als Anderson schließlich selbst eingreifen musste, bemerkte er eine Veränderung: Seine Zuversicht war geschwunden. Obwohl er jahrelang Systeme für reale Nutzer und chaotische Bedingungen gebaut hatte, zögerte er, als er den Code öffnete. "Es war nicht so, dass ich komplett eingefroren war", sagte er Business Insider, "aber es gab bei jeder Bewegung eine Zögerlichkeit."

Der "AI Rebound Effect" und die kognitive Umkehr

Anderson ist kein Einzelfall. Als Anthropic's Claude kürzlich ausfiel, berichteten einige Entwickler von Schwierigkeiten, ihre Arbeit fortzusetzen. Aufgaben, die mit KI zur Routine geworden waren, fühlten sich ohne sie plötzlich schwerer an. Ein Redditor schrieb: "Claude-Ausfälle treffen viel härter, wenn man merkt, dass man die Hälfte seines Gehirns ausgelagert hat."

John Nosta, Gründer des Innovations- und Tech-Think-Tanks NostaLab, nennt dies den "AI Rebound Effect" – eine verbesserte Leistung, die einen Rückgang der Fähigkeiten maskiert. Er merkt an, dass das "Fähigkeitsprofil tatsächlich unter das Ausgangsniveau fällt." Die Gefahr sei nicht nur Abhängigkeit, sondern Regression. Da KI-Systeme schnelle, ausgefeilte Antworten liefern, können sie auch die Selbsteinschätzung der eigenen Fähigkeiten verzerren. "Wir haben ein überhöhtes Gefühl der Leistungsfähigkeit durch KI", so Nosta.

Ein Teil des Problems liegt laut Nosta darin, dass KI die normale menschliche Denkweise umkehrt. Traditionell bewegen sich Menschen von Verwirrung über Erkundung und Struktur zur Zuversicht. KI kehrt diese Reihenfolge um, indem sie zuerst die Antwort liefert. "Zuerst zur Antwort zu kommen, ist eine Umkehrung des menschlichen kognitiven Prozesses", erklärt Nosta. Wenn diese Umkehr zur Norm wird, stehen laut Nosta "die menschlichen kognitiven Fähigkeiten auf dem Obsoleszenz-Hackblock."

Die Illusion der Expertise und die "kognitive Schuld"

Am Arbeitsplatz wird flüssiges Arbeiten oft mit Kompetenz verwechselt. Rebecca Hinds, Leiterin des Work AI Institute bei Glean, weist darauf hin, dass KI die Illusion von Expertise erzeugen kann. Es werde zunehmend schwieriger zu erkennen, wo das Wissen des Mitarbeiters endet und die Technologie beginnt. Ihre Forschung beschreibt zwei mögliche Ergebnisse:

• **Kognitive Dividende:** Bei bewusstem Einsatz, insbesondere in Bereichen, in denen ein Mitarbeiter bereits Expertise besitzt, kann KI Zeit freisetzen und das Urteilsvermögen schärfen.
• Kognitive Schuld: Bei reflexivem Einsatz als Abkürzung macht KI Menschen schneller, untergräbt aber gleichzeitig ihre Fähigkeiten.

Der entscheidende Unterschied liegt darin, ob KI das Denken unterstützt oder es ersetzt.

Deskilling bei Berufseinsteigern

Das Risiko des Kompetenzverlusts ist laut Hinds besonders akut für Berufseinsteiger. Junior-Positionen dienten traditionell als Trainingsfelder, um zu lernen, wie man komplexe Probleme zerlegt, Fehler behebt und die eigene Denkweise verteidigt. Ohne diese Erfahrung können Mitarbeiter kompetent erscheinen, ohne jemals echte Expertise zu entwickeln.

Jan Tegze, Autor des "Job Search Guide", betont, dass die meisten Fachkräfte ihr Handwerk vor der KI gelernt haben und somit eine Basis besitzen. Das Risiko bestehe für diejenigen, die diese Basis nie aufbauen. Ben Eubanks, Chief Research Officer bei Lighthouse Research & Advisory, ergänzt, dass KI die Lücke zwischen dem Lernen von Konzepten in der Schule und deren Anwendung in der realen Arbeitswelt vergrößert. Man müsse sich nicht mehr selbst mit einem Problem auseinandersetzen, sondern könne stattdessen die KI fragen, die sofort eine fertige Lösung liefert. Diese Verschiebung erschwert es Berufseinsteigern, Resilienz aufzubauen.

Gleichzeitig verstärken einige Unternehmen dieses Verhalten. Mitarbeiter werden zunehmend danach bewertet, wie oft sie KI-Tools nutzen, so Hinds, was Geschwindigkeit und Output über tiefes Verständnis stellt. Ashley Herd, CEO von Manager Method, beobachtet, dass der Druck, die KI-Nutzung in Leistungsbeurteilungen aufzunehmen, in den letzten sechs Monaten zugenommen hat, insbesondere in Tech-Firmen.

Die Notwendigkeit "mentaler Fitnessstudios"

Probleme treten auf, wenn etwas nicht funktioniert oder Mitarbeiter selbstständig über ein Problem nachdenken müssen, sagt Sara Gutierrez, Chief Science Officer bei SHL. Josh Anderson spürte diese Verschiebung, als er wieder in seine Arbeit einstieg. "Ich wusste, wie es funktionierte", sagte er, "aber ich habe diese [Trainings-]Wiederholungen in diesen drei Monaten nicht bekommen."

Dies veranlasst einige Führungskräfte, das Training neu zu überdenken. Mehdi Paryavi, CEO des Think-Tanks International Data Center Authority, schlägt vor, dass Unternehmen "mentale Fitnessstudios" benötigen könnten – Räume, in denen Mitarbeiter bewusst KI-freies Problemlösen üben können, ähnlich wie man physische Fitnessstudios nutzt, um Muskeln aufzubauen.

Andersons Experiment zeigt, was passiert, wenn diese mentalen Workouts ausbleiben. Er war stolz auf das, was er gebaut hatte. Doch als er selbst Änderungen vornehmen wollte, fühlte sich etwas falsch an. Er verglich es mit Golf: Man kann den Schwung studieren und die Mechanik verstehen, aber das bedeutet nicht, dass der Körper weiß, wie es geht. Als er den Schläger wieder selbst in die Hand nahm, spürte er es. "Mein Schwung war daneben", sagte er über das erneute Schreiben von Code. "Ich dachte: 'Ich weiß doch, wie das geht', aber ich konnte meinen Körper nicht so bewegen, wie ich wollte."