Ein erfahrener Programmierer und ein Schüler tippen dieselbe Frage in dieselbe KI. Beide bekommen dieselbe Antwort. Trotzdem passiert in ihren Köpfen etwas völlig Verschiedenes.
Der eine legt eine Fähigkeit beiseite, die er längst beherrscht; in der Folge rostet sie ein. Der andere baut eine Grundtechnik nie auf, die er aber brauchte. Ersteres ist harmlos und lässt sich jederzeit wieder aktivieren. Letzteres ist das eigentliche Problem, und es trifft die Falschen.
Die Unterscheidung stammt vom Bildungsforscher Timothy Cook, der in seiner Kolumne für Psychology Today ein Jahr lang über das Auslagern des Denkens an KI geschrieben hat und dann feststellte, dass er selbst etwas übersehen hatte. Nicht an den Fakten. An der Sichtweise.
Inhaltsverzeichnis
Wenn eine Fähigkeit verkümmert
Wer mit fünfzehn Jahren Berufserfahrung eine Forschungsarbeit von der KI zusammenfassen lässt, gibt eine Aufgabe ab, die er beherrscht. Fällt der Zugang morgen weg, könnte er die Zusammenfassung selbst schreiben. Es dauert länger, aber das Können ist noch da. Geschwächt, nicht verschwunden. Ein Muskel, den man eine Weile nicht benutzt hat. Wieder aufbaubar. Fachleute nennen das Atrophie.
KI-Kompetenzverlust bezeichnet den Rückgang eigener Fähigkeiten durch Auslagerung an KI-Systeme. Die Forschung unterscheidet zwei Formen. Atrophie meint das Verkümmern einer vorhandenen Fähigkeit durch Nichtnutzung; sie ist meist umkehrbar. Foreclosure meint, dass eine Fähigkeit gar nicht erst entsteht, weil der Lernschritt übersprungen wird; sie ist womöglich dauerhaft.
Cook verweist auf eine Untersuchung von Michael Gerlich aus dem Jahr 2025, die einen Zusammenhang zwischen KI-Auslagerung und kritischem Denken fand. Der interessante Teil steckt in der Altersverteilung. Teilnehmer über 46 zeigten höhere Werte beim kritischen Denken und verließen sich weniger auf KI. Bei den 17- bis 25-Jährigen war es umgekehrt.
Die plausibelste Erklärung ist nicht Generationengeschmack, sondern Entwicklung. Die Älteren gaben Aufgaben ab, die sie bereits konnten. Die Jüngeren gaben Aufgaben ab, die sie nie gelernt hatten. Und man kann keinen Muskel verkümmern lassen, der nie aufgebaut wurde.
Wenn eine Fähigkeit nie entsteht
Die Daten betreffen junge Erwachsene, nicht Kinder. Der Schluss auf noch frühere Lernphasen ist eine Übertragung, kein Messergebnis. Aber er liegt nahe, und er führt zum eigentlich heiklen Fall. Ein Kind, das eine Aufgabe an die KI abgibt, die es nie selbst gelöst hat, trifft keine Entscheidung zwischen Aufwand und Effizienz. Es überspringt einen Schritt seiner Entwicklung. Das Können existiert noch gar nicht, und weil es keinen eigenen Maßstab gibt, merkt das Kind nicht einmal, was es verpasst. Cook prägt dafür den Begriff Foreclosure, eine Art Verriegelung im Vorhinein.
Daraus folgt ein tückisches Problem. Wer eine KI-Antwort prüfen will, braucht genau das Wissen, das die KI ersetzen soll. Man kann die Erklärung einer KI zur Vererbung nicht kontrollieren, wenn man nicht versteht, was Vererbung ist. Man kann ihre Deutung der Französischen Revolution nicht bewerten, wenn man nie widersprüchliche Darstellungen davon gelesen hat. Erwachsene geben meist Aufgaben ab, die sich automatisieren lassen, und behalten ihr Urteil. Bei jungen Menschen übernimmt die KI häufiger die kleinen Entscheidungen, die das Kind eigentlich selbst aufbauen sollte. Wer sich fragt, wozu man überhaupt noch lernen soll, wenn die KI alles weiß, trifft genau diesen Punkt.
Was das Experiment mit den Programmierern zeigt
Wie groß der Effekt bei Erwachsenen mit Vorwissen ausfällt, hat eine kontrollierte Studie von Judy Hanwen Shen und Alex Tamkin gemessen, veröffentlicht Anfang 2026. Entwickler lernten eine neue Programmierbibliothek, die einen mit KI-Hilfe, die anderen von Hand. Wer das Programmieren vollständig an die KI abgab, produzierte funktionierenden Code, schnitt aber im anschließenden Verständnistest 17 Prozent schlechter ab als die Gruppe ohne KI. Fast zwei Notenstufen, bei nur geringfügig schnellerer Bearbeitung.
Das waren erfahrene Leute. Den Code, den die KI geschrieben hatte, konnten sie hinterher nicht reparieren. Sie hatten das Ergebnis, nicht das Verständnis. Und jetzt ein Kind, das zum ersten Mal programmiert, ohne jedes Vorwissen, gegen das es die KI-Ausgabe abgleichen könnte. Aus dem Ersetzen wird Foreclosure.
Die zwei Formen im Vergleich
| Fähigkeit verkümmert (Atrophie) | Fähigkeit entsteht nie (Foreclosure) | |
|---|---|---|
| Betrifft | Erwachsene mit Vorwissen | Kinder und Lernanfänger |
| Was passiert | Vorhandenes Können verkümmert | Können entsteht gar nicht erst |
| Art der Nutzung | Abgabe einer beherrschten Aufgabe | Ersatz einer ungelernten Aufgabe |
| Eigener Maßstab | vorhanden, Fehler fallen auf | fehlt, der Verlust bleibt unsichtbar |
| Umkehrbar | meist ja | womöglich nicht |
Der wichtigere Befund der Studie ist allerdings ein anderer, und er ist die gute Nachricht. Die Forscher fanden sechs Muster, wie Menschen mit KI-Hilfe umgehen. Drei davon erhalten das Lernen, auch mit KI. Es sind die Muster, bei denen man kognitiv beteiligt bleibt, statt nur abzunicken. Nicht die KI entscheidet über den Schaden. Die Art der Nutzung entscheidet. Genau das zeigt sich auch, wenn man der KI die richtigen Fragen stellt, statt sie nur antworten zu lassen.
Wenn alle durch dasselbe Modell denken
Es gibt eine zweite Ebene, die Cook über das Jahr am meisten umgestimmt hat. Wenn jede Schülerin und jeder Schüler einer Klasse Informationen durch dasselbe Sprachmodell schickt, lernen alle, durch dasselbe System zu denken. Die Vorlieben des Modells werden zur Standardsicht. Seine Art zu argumentieren wird zur Art, wie der Nutzer argumentiert.
Bei Erwachsenen führt das vor allem dazu, dass sie alle gleich klingen. Bei einem Kind, das nie ein eigenes Denken aufgebaut hat, ist das kein Stilproblem, sondern eine Frage der Identität. Das Denken des Modells konkurriert nicht mit dem Denken des Kindes; es wird zum Denken des Kindes. Eine Arbeit von Sourati und Kollegen, 2026 in Trends in Cognitive Sciences erschienen, beschreibt diese Vereinheitlichung als eigenen Effekt, der weit über den KI-Kompetenzverlust hinausreicht. Den nehmen wir uns an anderer Stelle gesondert vor.
Die nüchterne Bilanz ist also doppelt. Bei Erwachsenen kostet das Auslagern Schärfe. Beim Aufwachsen mit Delegation entsteht womöglich eine Generation, die nie scharf wurde. Das eine lässt sich reparieren. Beim anderen ist nicht ganz klar, ob überhaupt etwas zu reparieren wäre. Welche Fähigkeiten langfristig zählen, entscheidet sich womöglich daran, was Kinder noch selbst lernen, bevor die KI es ihnen abnimmt. (lk)
