Manche Menschen, die regelmäßig KI nutzen, bemerken, dass es ihnen schwerer fällt, eine Aufgabe ohne Hilfe zu beginnen, nachdem sie wiederholt ein Modell um den ersten Entwurf gebeten haben. Diese Beobachtung beweist keinen dauerhaften Verlust von Fähigkeiten, und dieser Artikel behauptet das auch nicht. Sie ist ein Anlass zu prüfen, ob der Arbeitsablauf noch Übung für die Fähigkeiten enthält, die Sie erhalten wollen.
Dieser Artikel ist kein Plädoyer gegen KI beim Schreiben, Programmieren oder Analysieren. Er hilft zu erkennen, bei welchen konkreten Aufgaben gerade der Teil ausgelagert wird, in dem Lernen stattfindet. So können Sie für die wenigen Fertigkeiten, die Sie erhalten möchten, weiterhin eigene Übungsversuche in den Ablauf einbauen.
Was die Forschung tatsächlich zeigt
Im Juni 2025 veröffentlichten Forschende des MIT Media Lab Your Brain on ChatGPT, einen Preprint über 54 Teilnehmende, die Essays unter drei Bedingungen schrieben: mit einem LLM, mit einer Suchmaschine oder ohne Hilfsmittel. Die Autorinnen und Autoren berichteten Unterschiede in der EEG-Konnektivität. In ihrer Auswertung zeigte die Gruppe ohne Hilfsmittel die stärkste, die LLM-Gruppe die schwächste Konnektivität (Kosmyna et al., MIT Media Lab, 2025). Den Ausdruck „cognitive debt“ verwenden sie als interpretative Metapher. Die Studie belegt weder ein klinisches Krankheitsbild noch eine dauerhafte Beeinträchtigung oder eine Dosis-Wirkungs-Beziehung, nach der sich mit jeder Nutzung zwangsläufig ein Schaden summiert.
Zwei Befunde verdienen besondere Aufmerksamkeit. Erstens berichteten Teilnehmende der LLM-Gruppe das geringste Gefühl der Urheberschaft an den gerade geschriebenen Essays, und viele konnten wenige Minuten später keine Zeile aus der eigenen Arbeit korrekt wiedergeben (vollständiger Preprint, arXiv:2506.08872). Zweitens nahmen nur 18 der 54 Teilnehmenden an einer optionalen vierten Sitzung teil, je neun wechselten in die andere Bedingung. Die neun, die vom LLM zum Schreiben ohne Hilfe wechselten, zeigten eine geringere neuronale Vernetzung; die neun in der Gegenrichtung, vom Schreiben ohne Hilfe zur LLM-Unterstützung, zeigten eine bessere Erinnerungsleistung und eine erneute Aktivierung der mit konzentriertem Schreiben verbundenen Hirnregionen. Dabei gilt ein wichtiger Vorbehalt: In der vierten Sitzung schrieben die Teilnehmenden über bereits bekannte Themen. Die Studie beschreibt das Ergebnis daher als das, was geschah, „when allowed to use an LLM on a familiar topic“. Versuchsreihenfolge und Vertrautheit mit dem Stoff lassen sich in diesem Design nicht voneinander trennen.
Das passt zu einem breiteren Gedanken in der Forschung zur Automatisierungsverzerrung: Menschen greifen häufig auf die Option zurück, die im jeweiligen Moment am wenigsten geistige Anstrengung verlangt, ein Muster, das als „cognitive miser“ beschrieben wird (What is Wrong With Automation Bias?, Philosophy & Technology, 2026). Ein flüssiger KI-Entwurf ist fast immer die bequemste Option. Gerade deshalb braucht es ein bewusstes Gegengewicht, statt darauf zu vertrauen, dass sich das richtige Maß von selbst einstellt.
Das verbreitete Missverständnis
Die Aussage „KI macht Sie dümmer“ wäre ein Missverständnis. Sie ist weder als dauerhafte und allgemeingültige Behauptung belegt noch entspricht sie dem, was die Forschung tatsächlich zeigt. Die MIT-Studie ist ein einzelner Preprint mit 54 Teilnehmenden über vier Monate. Das Ergebnis der vierten Sitzung, das besonders praktische Fragen aufwirft, beruht nur auf den 18 zurückgekehrten Personen, neun je Bedingung. Es ist ein empirischer Hinweis auf ein messbares kurzfristiges Muster, aber kein Beleg für einen unumkehrbaren kognitiven Abbau. Die Forschenden selbst sprechen von Fragen, die einer „deeper inquiry“ bedürfen, nicht von einem abschließenden Urteil.
Die präzisere und nützlichere Aussage ist enger: Wenn Sie bei einer Fähigkeit, die Sie verbessern möchten, den eigenen ersten Versuch auslassen, entfällt genau die Anstrengung, durch die diese Fähigkeit wächst. Das ist nicht erst durch KI entstanden. Aus demselben Grund lernt ein Schüler, der eine Musterlösung kopiert, ohne die Aufgabe zunächst selbst zu versuchen, weniger als jemand, der sich erst damit auseinandersetzt und anschließend überprüft. KI macht diese Abkürzung nur für fast jede Aufgabe jederzeit verfügbar. Deshalb muss die Entscheidung, sie nicht zu nehmen, bewusster getroffen werden als früher.
Die Bestandsaufnahme zur Erhaltung von Fertigkeiten
Stellen Sie bei jeder wiederkehrenden Aufgabe vier Fragen, bevor Sie entscheiden, wie Sie KI dafür nutzen:
- Baue ich hier aktiv eine Fertigkeit auf, oder brauche ich nur ein fertiges Ergebnis? Ein wiederkehrender Statusbericht ist vor allem eine zu erledigende Aufgabe. Ein überzeugendes Argument strukturieren zu lernen ist dagegen eine Fähigkeit, die aufgebaut werden soll. Dasselbe Werkzeug wird in beiden Fällen unterschiedlich eingesetzt.
- Wie sieht ein ehrlicher eigener Versuch aus, und kann ich ihn zeitlich begrenzen? Zehn Minuten ohne Modell reichen häufig, um sichtbar zu machen, was Sie noch nicht wissen. Genau diese Lücken eignen sich anschließend für das Gespräch mit der KI.
- Was soll die unterstützte Phase ergänzen, das der eigene Versuch nicht leisten konnte? Rückmeldung, ein Gegenargument, ein schnellerer zweiter Entwurf oder ungewohnte Formulierungen: Die Unterstützung soll etwas Konkretes hinzufügen und nicht lediglich die eigene Arbeit ersetzen.
- Wie prüfe ich später, ob ich die Aufgabe noch ohne Hilfe bewältigen kann? Ohne gelegentliche unabhängige Prüfung bleibt ein mögliches Nachlassen der Fertigkeit unsichtbar, bis Sie sie benötigen und das Werkzeug nicht verfügbar, unzuverlässig oder ungeeignet ist.
| Aufgabentyp | Ausgangspunkt (Versuch ohne Hilfe) | Unterstützte Phase | Unabhängige Prüfung | Prüfrhythmus |
|---|---|---|---|---|
| Überzeugendes Argument schreiben | Kurze Rohgliederung, ohne Werkzeug | KI bitten, schwache Punkte zu stärken und ein Gegenargument zu liefern | Gelegentlich ein vollständiges Argument ohne Hilfe schreiben und mit einem früheren Versuch vergleichen | Rhythmus wählen Sie selbst |
| Eigenen Code debuggen | Den Fehler selbst eingrenzen, bevor Sie um Hinweise bitten | KI bitten, Ihre Eingrenzung zu prüfen und Ursachen zu nennen, die Sie übersehen haben | Ein vergleichbares Problem mit ausgeschaltetem Werkzeug debuggen | Rhythmus wählen Sie selbst |
| Ein Satz in einer Fremdsprache | Zuerst einen eigenen Versuch schreiben | KI um Korrektur und Erklärung bitten | Ein kurzes Gespräch ohne Hilfe führen und neue Lücken notieren | Rhythmus wählen Sie selbst |
| Rechenaufgabe für eine Aufwandsschätzung | Die Rechnung von Hand ausführen | Mit einem Taschenrechner oder einer unabhängig geprüften Formel kontrollieren | Eine vergleichbare Schätzung ohne Hilfe wiederholen | Rhythmus wählen Sie selbst |
Die vollständige Bestandsaufnahme zum Erhalt von Fertigkeiten beim KI-Einsatz enthält diese Tabelle als Vorlage, mit Platz für eigene Aufgaben, Ausgangspunkte und Prüftermine.
Wenden Sie diese Methode bei Aufgaben mit echten Sicherheits-, Rechts-, Medizin- oder Finanzfolgen nicht so an, als reiche ein erster Versuch ohne Hilfe zum Handeln aus. Die Bestandsaufnahme soll Fertigkeiten durch bewusstes Üben erhalten. Sie ersetzt keine Prüfung bei Aufgaben, bei denen ein falscher erster Versuch bereits Schaden anrichten könnte.
Wo die Reihenfolge der Schritte am meisten zählt
Der Befund der vierten Sitzung der MIT-Studie – neun Teilnehmende arbeiteten erst ohne, dann mit Unterstützung an einem bereits bekannten Thema – ist zu klein und durch zu viele Faktoren überlagert, um den Vergleich zu entscheiden. Er weist jedoch auf eine Gewohnheit hin, die sich mit wenig Aufwand erproben lässt: Wenn Sie etwas Neues lernen, machen Sie einen groben eigenen Versuch, bevor Sie um Hilfe bitten, auch wenn er schlecht ist. Beherrschen Sie die Fertigkeit bereits und produzieren viele ähnliche Ergebnisse, etwa beim fünfzigsten vergleichbaren E-Mail-Entwurf oder bei routinemäßigem Standardcode, fällt die Abwägung anders aus. Die Fertigkeit ist schon aufgebaut, und eine weitere Wiederholung ohne Hilfe bringt womöglich wenig. Gezieltes Üben mit KI beschreibt den vollständigen Lernzyklus aus Versuch, Bewertungsmaßstab, Rückmeldung und erneutem Versuch.
Das hängt auch direkt mit Delegationsentscheidungen im Allgemeinen zusammen. Wenn Sie es noch nicht getan haben, führen Sie neue wiederkehrende Aufgaben durch die Sechs-Dimensionen-Prüfung aus dem Artikel darüber, was Sie nicht an KI delegieren sollten. Die Dimension „Fertigkeit“ stellt genau diese Frage, Aufgabe für Aufgabe statt als allgemeine Sorge.
Eine häufige Falle: Wachsamkeit als dauerhafte Anstrengung behandeln
Die entgegengesetzte Falle besteht darin, sich aus Angst vor einem Verlust von Fähigkeiten damit zu erschöpfen, alles ohne Hilfe zu erledigen, obwohl Sie manche dieser Fähigkeiten gar nicht aufbauen möchten. Niemand muss jede E-Mail allein verfassen, um die eigene Schreibkompetenz zu erhalten. Diese Disziplin lohnt sich für die wenigen Aufgaben, die Ihnen tatsächlich wichtig sind, nicht für die gesamte Arbeitslast. Können Sie weder die konkrete Fertigkeit noch den Grund für ihren Erhalt benennen, lässt sich die Aufgabe wahrscheinlich eher frei delegieren als bewusst selbst üben.
Probieren Sie es heute
Wählen Sie eine wiederkehrende Aufgabe, die Sie bisher vollständig an KI ausgelagert haben und weiterhin ohne Hilfe erledigen können möchten. Setzen Sie ein kurzes, zur Aufgabe passendes Zeitfenster, machen Sie einen eigenen Versuch und holen Sie erst dann KI-Unterstützung für die schwierigen Teile. Notieren Sie Aufgabe, Bedingungen und Datum als Ausgangspunkt. Wiederholen Sie dieselbe Prüfung in einem Rhythmus, den Sie durchhalten können; dieser Artikel schreibt kein wissenschaftlich validiertes Intervall vor.
