Wenn AI alles erklären kann – was müssen Menschen dann noch selbst lernen?

Zukunftslabor · Lernen und Entwicklung

Nicht der einzelne Prompt entscheidet über die Qualität des Ergebnisses. Der Prozess entscheidet.

Birgit Arnold

Bei größeren Projekten funktioniert es für mich nicht besonders gut, AI einfach zu sagen: „Mach mir das.“ Ich muss zuerst klären, wo ich eigentlich hinwill.

Was ist das Ziel? Was ist die Ausgangslage? Welche Randbedingungen gibt es? Welche Entscheidungen sind schon getroffen? Was ist noch offen? Für wen entsteht das Ergebnis? Welche Qualität soll es haben?

Erst danach kann ich gemeinsam mit AI eine Struktur entwickeln, Informationen erschließen, verschiedene Wege prüfen, Gegenpositionen einbauen und Schritt für Schritt ein tragfähiges Ergebnis entwickeln.

Dabei fiel mir auf: Diese Arbeitsweise ist gar nicht so neu. Im Studium habe ich gelernt, wie man wissenschaftliche Arbeiten aufbaut. Später habe ich Berichte und Dokumentationen erstellt. Auch dort begann gute Arbeit nicht mit dem ersten Absatz, sondern mit Fragestellung, Ziel, Rahmenbedingungen und Struktur.

AI verändert also nicht unbedingt die Grundlogik guten Arbeitens. Sie verändert aber, wie schnell und wie tief ich einen solchen Prozess durchlaufen kann. Ich kann heute in kurzer Zeit unterschiedliche Positionen erschließen, Quellen zusammenfassen lassen, Argumente gegeneinanderstellen und Gedanken weiterentwickeln, für die ich früher sehr viel länger gebraucht hätte.

Früher hatte ich dafür einen einfachen Satz: Ich muss nicht alles wissen. Ich muss nur wissen, wo es steht. Ich habe diesen Satz lange Goethe zugeschrieben. Dafür finde ich allerdings keinen belastbaren Beleg. Für mich war er ohnehin weniger ein Zitat als eine Arbeitshaltung.

Damit beginnt für mich eine der spannendsten Bildungsfragen der AI-Zeit.

Müssen wir wirklich noch alles selbst machen?

In Bildungsdebatten schwingt schnell die Vorstellung mit: Wenn AI recherchiert, erklärt, zusammenfasst oder formuliert, dann hat der Mensch etwas nicht selbst gemacht – und deshalb womöglich auch nichts gelernt. Das überzeugt mich nicht. Mich hat schon im Studium gestört, wie viel Energie darauf verwendet wurde, Informationen anzuhäufen, die irgendwo längst dokumentiert waren.

Ich wollte Zusammenhänge verstehen. Ich wollte mit Wissen arbeiten. Heute kann AI einen Teil der Informationsarbeit übernehmen, für die ich früher Stunden oder Tage gebraucht hätte.

Ich kann sie bitten, unterschiedliche wissenschaftliche Positionen zu einer Frage zu erschließen. Sie kann erklären, wo Autoren sich widersprechen. Sie kann lange Quellen zusammenfassen, Begriffe erläutern, historische Parallelen suchen oder mir sagen, welche Gegenargumente gegen meine bisherige Position sprechen.

Bei einer entscheidenden Aussage kann ich immer noch zur Originalquelle zurückgehen. Aber ich muss nicht grundsätzlich jeden Text vollständig lesen, nur um mir einen Überblick über ein Forschungsfeld zu verschaffen.

Dadurch spare ich nicht einfach Denkarbeit. Im besten Fall komme ich schneller an den Punkt, an dem die eigentliche Denkarbeit beginnt. Ich kann tiefer in ein Thema einsteigen, weil mir mehr Perspektiven in kürzerer Zeit zugänglich werden.

AI spart mir nicht das Denken. Sie kann mir einen Teil des Weges zum Denken verkürzen.

Birgit Arnold

Das funktioniert allerdings nur, wenn ich weiß, was ich mit dem Werkzeug anfangen will.

Historische Brücke

Von der Schrift zur AI

Die Sorge, dass neue Werkzeuge Menschen geistige Fähigkeiten abnehmen, ist älter als der Computer.

In Platons Phaidros lässt Platon Sokrates den Mythos von Theuth und Thamus erzählen. Darin warnt Thamus, Schrift könne Vergessen fördern, wenn Menschen sich auf äußere Zeichen verlassen. Der Dialog verwirft Schrift damit nicht einfach; er stellt sie einer lebendigen, prüfenden Auseinandersetzung gegenüber.

Später kamen Bücher in immer größerer Zahl. Dann Taschenrechner. Dann Computer. Dann Suchmaschinen.

Mit jeder dieser Technologien konnten Menschen einen Teil dessen nach außen verlagern, was vorher stärker im eigenen Kopf oder durch eigene Arbeit geleistet werden musste. Der Taschenrechner hat Mathematik nicht bedeutungslos gemacht. Das Internet hat Wissen nicht überflüssig gemacht. Aber die Frage, welche Fähigkeiten wichtig sind, hat sich verändert.

Bei AI geht dieser Schritt weiter. Eine Suchmaschine liefert mir Quellen. AI kann zusätzlich erklären, vergleichen, strukturieren, argumentieren und sogar verschiedene Positionen miteinander verbinden. Damit lagern wir nicht mehr nur Speicher- und Sucharbeit aus.

Wir können Teile eines Denkprozesses auslagern. Das macht die Frage nach Bildung anspruchsvoller, nicht kleiner.

Prozesskompetenz

Der einzelne Prompt ist nicht die entscheidende Kompetenz

Wenn heute über AI-Kompetenz gesprochen wird, landet man schnell beim Prompten. Natürlich muss ich lernen, verständliche Anweisungen zu geben. Aber das ist nur ein kleiner Teil. Für mich beginnt AI-Kompetenz früher:

Was für ein Problem habe ich überhaupt? Eine Wissensfrage verlangt einen anderen Prozess als eine Entscheidung. Bei einer strittigen Frage brauche ich andere Unterstützung als bei einer kreativen Aufgabe. Wenn ich noch gar nicht weiß, worin das eigentliche Problem besteht, muss genau das zunächst Gegenstand des Gesprächs mit AI sein.

Ich könnte zum Beispiel fragen:

Ich habe eine Wissensfrage. Dann brauche ich Erklärungen, Beispiele, unterschiedliche Quellen und möglicherweise verschiedene Schwierigkeitsstufen.

Ich habe eine strittige Frage. Dann will ich starke Positionen dafür und dagegen sehen. Ich möchte wissen, welche Annahmen ihnen zugrunde liegen und welche Belege sie verwenden.

Ich muss eine Entscheidung treffen. Dann brauche ich Kriterien, Alternativen, mögliche Folgen und Unsicherheiten.

Ich suche eine neue Idee. Dann können Analogien, ungewöhnliche Kombinationen und unterschiedliche Perspektiven hilfreich sein.

Ich brauche eine anwendbare Lösung. Dann muss AI meine tatsächlichen Rahmenbedingungen kennen: Zeit, Geld, Fähigkeiten, Menschen, Risiken und verfügbare Mittel.

Ich weiß noch nicht genau, was mein Problem ist. Dann kann die erste Aufgabe darin bestehen, gemeinsam herauszufinden, welche Frage ich überhaupt stellen sollte.

Je mehr ich so arbeite, desto deutlicher wird mir: Entscheidend ist nicht der einzelne Prompt. Entscheidend ist, ob ich einen guten Denk-, Lern- und Arbeitsprozess aufbauen kann.

Sokratisch weiterfragen

Wenn Antworten billig werden, werden Fragen wertvoller

An diesem Punkt lande ich bei einem sehr alten Gedanken. Sokrates ist nicht deshalb interessant, weil wir aus ihm nachträglich einen AI-Theoretiker machen sollten. Interessant ist seine Methode. Behauptungen werden nicht einfach übernommen. Begriffe werden hinterfragt. Eine Antwort führt zur nächsten Frage. Widersprüche werden sichtbar. Im Dialog verändert sich das Verständnis.

Und plötzlich wirkt eine mehr als zweitausend Jahre alte Methode erstaunlich modern.

Denn AI wird besonders interessant, wenn ich nach der ersten Antwort nicht aufhöre.

Ich kann fragen: Warum? Welche Annahme steckt dahinter? Was wäre das stärkste Gegenargument? Welche Perspektive fehlt? Unter welchen Bedingungen wäre das Gegenteil richtig? Was müsste ich wissen, um diese Aussage beurteilen zu können? Welche Frage habe ich noch gar nicht gestellt?

Das führt mich zu einer Bildungsfrage, die mich zunehmend beschäftigt. In der Schule stellt häufig die Lehrkraft die Frage. Der Schüler soll die Antwort kennen.

Was geschieht, wenn wir dieses Verhältnis teilweise umdrehen? Was wäre, wenn Schule Kinder stärker darin trainieren würde, selbst die nächsten guten Fragen zu finden?

Kinder können das ursprünglich erstaunlich gut. Warum? Warum nicht? Was passiert dann? Und danach?

Irgendwann wird in vielen Lernprozessen aus dem Fragenden vor allem ein Antwortender. AI könnte diese Haltung wieder stärken. Nicht indem sie Kindern alle Antworten liefert. Sondern indem Kinder lernen, mit ihr weiterzufragen.

Es gibt dabei allerdings ein Problem. AI kann sehr angenehm sein. Sie kann meine Argumentation aufnehmen, sie verbessern und mir erklären, warum mein Gedanke interessant ist. Genau das kann gefährlich werden. Denn wenn ich nur nach Bestätigung suche, kann AI mir dabei sehr effizient helfen.

Deshalb versuche ich zunehmend, ihr bewusst eine andere Rolle zu geben. Ich will nicht nur Unterstützung. Ich will Widerspruch.

Ich kann ihr sagen: Prüfe meine Annahmen. Suche das stärkste Argument gegen meine Position. Wo mache ich es mir zu einfach? Welche Fakten würden meine These widerlegen? Welche Position würde ein gut informierter Kritiker vertreten?

Damit wird AI zu einem kritischen Counterpart. Auch das muss man lernen.

Und sofort entsteht die nächste Schwierigkeit: Auch diesen Counterpart richte ich mir selbst ein. Ich bestimme, welche Aufgabe ich ihm gebe.

Das unterscheidet sich weniger von unserem bisherigen Leben, als es zunächst scheint. Auch dort wählen wir Bücher, Zeitungen, Gesprächspartner, Experten und Freundeskreise.

Der Unterschied liegt in Geschwindigkeit und Konsequenz. AI kann meine Filterblase verstärken. Sie kann mir aber ebenso helfen, sie bewusst zu verlassen.

Eine wichtige AI-Kompetenz besteht deshalb darin, nicht nur nach Unterstützung zu fragen, sondern gezielt Widerspruch zu organisieren.

Gegenargument

Aber habe ich dann wirklich etwas gelernt?

An dieser Stelle muss die optimistische Geschichte unterbrochen werden.

Denn ein gutes Ergebnis ist noch kein Beweis für Lernen.

Plausibilität und Urteil

Was muss ein Mensch dann noch wissen?

Damit sind wir wieder bei der Ausgangsfrage: Wenn AI jederzeit Informationen liefern kann, brauchen wir dann noch Wissen im eigenen Kopf?

Ja – nur würde ich den Grund anders formulieren als früher. Wir brauchen verfügbares Grund- und Erfahrungswissen unter anderem für Plausibilitätschecks.

Wenn ich im Supermarkt zehn Produkte gekauft habe, von denen fünf ungefähr zwei Euro kosten, drei ungefähr einen Euro und zwei ungefähr 50 Cent, muss ich die Summe nicht schriftlich berechnen. Aber wenn die Kasse 47 Euro anzeigt, sollte in meinem Kopf etwas anspringen: Das kann nicht stimmen.

Dafür brauche ich Größenordnungen, Grundrechenarten und Erfahrung.

Dasselbe gilt für andere Lebensbereiche: Kann diese physikalische Behauptung überhaupt stimmen? Passt diese Zahl zur Größenordnung? Ist diese historische Behauptung zeitlich plausibel? Passt die Interpretation einer Situation zu dem, was tatsächlich geschehen ist?

Auch gegenüber AI brauche ich ein geistiges Frühwarnsystem – nicht damit ich jede Antwort vollständig selbst rekonstruieren kann, sondern damit ich merke, wann ich genauer hinschauen sollte. Grundwissen bleibt wichtig, weil Urteilskraft ohne Orientierungspunkte blind wird.

Eine Antwort auf AI in der Bildung könnte paradoxerweise darin bestehen, wieder mehr mit den Händen zu arbeiten – nicht als nostalgische Rückkehr zu einer Welt vor dem Computer, sondern gerade deshalb, weil Informationen und Erklärungen so leicht verfügbar werden.

Eine AI kann mir erklären, wie ich einen Tisch baue, Material empfehlen und einen Arbeitsablauf beschreiben. Sie kann mir sogar erklären, warum eine Verbindung vermutlich nicht hält.

Aber irgendwann muss ich messen, das Material anfassen, sägen, montieren und ausprobieren. Ich merke, dass ein Brett verzogen ist oder meine theoretisch saubere Konstruktion praktisch nicht funktioniert.

Dann entsteht eine Form von Wissen, die sich nicht durch eine gute Antwort ersetzen lässt: Erfahrungswissen.

Deshalb finde ich Lernwerkstätten, reale Projekte und praktische Aufgaben für eine AI-geprägte Bildung so interessant. AI könnte dort selbstverständlich dazugehören: Sie kann erklären, recherchieren und unterstützen.

Daneben liegen Zollstock, Hammer, Maschine oder das elektronische Bauteil, das tatsächlich funktionieren muss.

Es geht nicht darum, überall noch ein digitales Werkzeug dazwischenzuschalten. Ein einfaches analoges Werkzeug ist manchmal die bessere Lösung – auch das muss man beurteilen können.

Individuelle Lernwege

Nicht alle müssen gleich lernen

An dieser Stelle wird mir noch etwas anderes wichtig.

Wenn wir über individualisiertes Lernen sprechen, entsteht schnell wieder eine neue Norm. Dann heißt es plötzlich: Alle müssen kreativ sein, Teamplayer sein und besonders schnell Probleme lösen. Warum eigentlich? Menschen sind unterschiedlich.

Einer findet sehr schnell eine Struktur, während eine andere länger braucht und später eine Frage stellt, auf die niemand sonst gekommen ist. Jemand arbeitet hervorragend in einer Gruppe, ein anderer entwickelt seine besten Gedanken allein. Manche Menschen denken theoretisch; andere verstehen etwas erst, wenn sie es ausprobieren.

AI könnte helfen, diese Unterschiede besser zu berücksichtigen – nicht indem sie Menschen früh etikettiert: „Du bist eben kein Teamplayer. Du kannst das nicht. Das ist nicht dein Gebiet.“ Sondern indem sie unterschiedliche Lernwege ermöglicht, zusätzliche Erklärungen gibt, neue Zugänge eröffnet und Entwicklung begleitet.

Langsamer ist nicht weniger wertvoll. Anders ist nicht weniger kompetent.

Birgit Arnold

John Dewey hat vor mehr als hundert Jahren eine Bildungsvorstellung entwickelt, die erstaunlich gut zu dieser Frage passt. Für ihn war Lernen kein passives Aufnehmen fertigen Wissens. Menschen lernen in der Auseinandersetzung mit Problemen, durch Erfahrung, Untersuchung und die Folgen ihres Handelns. Seine Laborschule in Chicago sollte solche Formen des Lernens praktisch erproben.

Auch aktuelle Bildungsrahmen bewegen sich in Teilen in diese Richtung. Das 2026 veröffentlichte AI-Literacy-Framework von OECD und Europäischer Kommission beschreibt AI-Kompetenz nicht nur als technische Bedienfähigkeit. Schülerinnen und Schüler sollen AI verstehen, Ergebnisse kritisch bewerten und sie verantwortlich und kreativ nutzen können.

UNESCO formuliert für Schülerinnen und Schüler ebenfalls ein Spektrum von Verstehen, Anwenden und Gestalten und betont kritisches Urteil sowie die Rolle der Lernenden als verantwortliche Nutzer und Mitgestalter von AI.

Diese Institutionen liefern keine endgültige Antwort darauf, was gute Bildung ist. Aber sie zeigen, dass die Frage längst größer geworden ist als: Dürfen Schüler ChatGPT bei den Hausaufgaben benutzen?

Wenn das Ziel von Bildung nicht mehr hauptsächlich darin besteht, dass alle Menschen denselben Wissensbestand unter gleichen Bedingungen reproduzieren können, verändern sich auch Prüfungen.

Mich interessieren reale Aufgaben stärker.

Nicht jeder muss dabei dasselbe tun. In einem Projekt kann jemand recherchieren oder strukturieren, eine andere Person konstruiert, jemand entdeckt einen Fehler und ein anderer bringt eine ungewöhnliche Perspektive ein.

AI kann Teil dieses Prozesses sein, ebenso andere digitale Werkzeuge. Und manchmal reichen Papier, Stift, Hammer oder ein Gespräch. Am Ende steht eine Herausforderung, die bewältigt werden soll.

Das ist für mich ein interessanterer Bildungsmaßstab als die Frage, ob jemand eine Information auswendig wiedergeben konnte, die wenige Sekunden später überall verfügbar ist. Für mich ist Bildung dann gelungen, wenn Menschen Herausforderungen bewältigen und tragfähige Lösungen entwickeln können – allein, gemeinsam, mit AI oder mit anderen Werkzeugen.

Leitplanken

Wer bestimmt eigentlich, wohin wir lernen?

Eine letzte Frage lässt sich dabei nicht übergehen: Wenn AI zunehmend individuelle Lernwege begleitet, Erklärungen auswählt, Gegenpositionen anbietet und Hinweise gibt – wer setzt dafür die Leitplanken?

Und welche Vorstellung von einem guten Menschen oder einer guten gesellschaftlichen Entwicklung steckt in diesen Vorgaben? Eine AI, die Menschen individuell fördern kann, könnte sie theoretisch auch sehr effektiv in bestimmte Richtungen lenken.

Deshalb darf personalisierte Bildung nicht bedeuten, Menschen möglichst effizient auf eine gewünschte Position hin zu optimieren. Bildung muss Raum für eigene Urteile, Widerspruch und unterschiedliche Lebensentwürfe lassen.

Die Frage nach den Leitplanken verdient einen eigenen Beitrag, denn sie führt unmittelbar zu einer nächsten großen Zukunftsfrage: Wenn AI unsere Kinder beim Denken begleitet – wer erzieht dann eigentlich die AI?

Persönliche Einordnung

Wo lande ich nach dieser Reise?

Ich bin mit der Frage gestartet: Wenn AI alles erklären kann – was müssen Menschen dann noch selbst lernen? Meine Antwort lautet inzwischen weder „möglichst viel ohne AI“ noch „nur noch AI bedienen“.

Das macht den Menschen nicht überflüssig; es verschiebt seine Aufgabe.

Die Frage ist deshalb nicht nur, was AI unseren Kindern abnehmen kann. Die interessantere Frage lautet: Was können Menschen lernen, wenn sie weniger Zeit damit verbringen müssen, Antworten zu reproduzieren – und stattdessen lernen, bessere Fragen zu stellen und aus Wissen Wirklichkeit zu machen?