Manchmal beginnt die Zukunft ganz harmlos: Ein Seminarraum, ein Rechercheauftrag, ein Dutzend Nachwuchsjournalisten. Die Aufgabe klingt nach Handwerk: Findet die spannendste Geschichte hinter Lieferketten in der Textilindustrie. Was dann passiert, ist ein Lehrstück über das neue Zeitalter. Zwei Drittel der Runde öffnen einen KI-Chatbot. Minuten später liegen perfekte Texte vor. Fix und fertig mit Quellen, Zahlen, Argumenten. Nur: Die Quellen gibt es nicht, die Zahlen sind falsch, und die eigentliche Geschichte bleibt unentdeckt.
Das ist kein Plädoyer gegen KI. Es ist ein Plädoyer gegen eine Ausbildung, die sich selbst abschafft, weil sie die falschen Dinge lehrt.
Was die Maschine liefert, ist Auskunft – was bleibt, ist Einsicht
Detlef Schoder, Professor für Wirtschaftsinformatik und Informationsmanagement sowie Gründungs- und Geschäftsführender Direktor des Cologne Institute for Information Systems (CIIS) an der Universität zu Köln, bringt es in einem FAZ-Interview auf den Punkt: „Was die Maschine liefert, ist Auskunft, nicht Einsicht.“ Auskunft – das ist das, was KI-Systeme heute in Sekunden liefern: Fakten, Zusammenfassungen, sogar scheinbar stichhaltige Analysen. Doch Einsicht entsteht erst, wenn jemand fragt, zweifelt, verbindet, abwägt und Verantwortung übernimmt. Genau das kann die Maschine nicht.
Schoder fordert deshalb ein „Studium plurale“ – eine Ausbildung, die nicht Fakten speichert, sondern Denkplastizität trainiert. Denkplastizität? Gemeint ist die Fähigkeit, gedanklich beweglich zu bleiben, zwischen Perspektiven zu wechseln und neue Lösungsräume zu öffnen. Wer das kann, bleibt auch dann relevant, wenn Wissen selbst zum Ramschgut wird.
Abundantes Wissen und synthetische Wahrheit – zwei Begriffe, die man kennen sollte
Vielleicht lohnt ein kurzer Zwischenstopp bei den Begriffen, die in dieser Debatte immer wieder auftauchen. „Abundantes Wissen“ beschreibt Wissen, das durch KI so allgegenwärtig verfügbar wird, dass es als Ausbildungsziel an Wert verliert. Früher war es eine Kunst, schnell und gründlich zu recherchieren. Heute ist es eine Selbstverständlichkeit – und damit kein Alleinstellungsmerkmal mehr.
Doch mit der Allgegenwart von Wissen wächst die Gefahr der „synthetischen Wahrheit“. So nenne ich in meinem neuen Buch „Synthetische Wahrheit. Medienkompetenz in Zeiten von KI“ jene Inhalte, die von KI erzeugt werden und plausibel wirken, aber nicht notwendigerweise wahr sind. Die Maschine kann täuschend echte Texte, Bilder oder sogar Videos liefern – aber sie weiß nicht, was davon stimmt. Das Problem: Wer nicht gelernt hat, zu prüfen, zu deuten und zu hinterfragen, wird zum Opfer der eigenen Bequemlichkeit.
Halluzinationen und warum Domänenwissen wichtiger wird
Ein weiteres Phänomen, das man kennen sollte, sind die sogenannten Halluzinationen. Damit sind nicht Tagträume gemeint, sondern die Eigenart von KI-Systemen, statistisch plausible, aber faktisch falsche Ausgaben zu produzieren. Das liegt daran, dass diese Systeme Sprache berechnen, aber nicht verstehen. Wer sich darauf verlässt, dass die Maschine schon alles richtig macht, landet schnell im Reich der Fabeln.
Hier kommt das Domänenwissen ins Spiel. Also das tiefe Fachwissen, das in jedem Berufsfeld gebraucht wird. Ein Jurist, der nicht weiß, wie Verträge wirklich funktionieren, wird von KI-Tools wie Legartis oder Beck-Noxtua (beides echte, in der deutschen Praxis genutzte Systeme) nicht entlastet, sondern in die Irre geführt. In der Medizin hilft ein KI-Programm wie AIM@LMU an der LMU München zwar bei der Analyse, aber die Verantwortung für Diagnose und Therapie bleibt beim Arzt, der Erfahrung und Kontext einbringt. Ingenieure, Manager, Fotografen, sie alle (werden) erleben, dass die Maschine Routine übernimmt, aber das Urteil, die Auswahl und die Verantwortung beim Menschen bleiben.
AI-Literacy: Die neue Grundausstattung für Wissensarbeiter
Was folgt daraus für die Ausbildung? Zunächst einmal: AI-Literacy wird zur Grundausstattung. Damit ist nicht gemeint, dass jeder Programmierer werden muss. AI-Literacy heißt, zu verstehen, wie KI-Systeme funktionieren, was sie leisten können und wo ihre Grenzen liegen. Wer weiß, dass KI keine Wahrheit kennt, sondern nur Wahrscheinlichkeiten berechnet, wird vorsichtiger im Umgang mit ihren Ergebnissen.
Prompt Engineering, die Kunst, einer KI präzise Fragen zu stellen, ist dabei mehr als ein technischer Trick. Es ist ein Werkzeug, das eigene Denken zu schärfen. Wer gute Prompts formuliert, muss wissen, was er wirklich wissen will. Das ist eine Disziplin, die in der Ausbildung bislang kaum vorkommt, aber künftig zentral sein wird.
Berufsethik: Verantwortung bleibt Menschensache
Ein oft unterschätzter Aspekt ist die Berufsethik. Sie ist keine Sonntagsrede, sondern die operative Grundlage für tägliche Entscheidungen: Welches Bild veröffentliche ich? Wie kennzeichne ich KI-generierte Inhalte? Welche Verantwortung trage ich, wenn ich einen KI-Output nicht vollständig prüfen kann? Die Maschine kennt keine Ethik. Sie kennt nur Wahrscheinlichkeiten. Die Verantwortung bleibt beim Menschen.
Vom Handwerker zum strategischen Autor – und warum das alle betrifft
Die Automatisierung von Routineaufgaben verschiebt den Wert der Arbeit. Früher war der Fotograf gefragt, der die Kamera perfekt beherrschte. Heute ist es der Bildautor, der entscheidet, welches Motiv eine Geschichte wirklich erzählt. Der Jurist, der Verträge prüft, wird zum strategischen Berater. Der Arzt, der Diagnosen stellt, wird zum Lotsen im Meer der Möglichkeiten. Die technische Ausführung tritt zurück, während Urteilskraft und Bedeutung in den Vordergrund rücken.
Die demokratische Herausforderung: Wissensarbeit für alle
Lange galten Kompetenzen wie Deuten, Verbinden, Abwägen, Urteilen und Verantworten als Privileg derer, die Zugang zu Universitäten oder intellektuellen Milieus hatten. Doch im KI-Zeitalter droht eine neue Spaltung: Zwischen denen, die KI steuern, und denen, die von ihr gesteuert werden. Die Demokratisierung von Wissensarbeiter-Kompetenzen ist deshalb die zentrale gesellschaftliche Aufgabe. Weiterbildungseinrichtungen, Unternehmen und Hochschulen müssen Formate entwickeln, die nicht nur Tools vermitteln, sondern Denkprozesse begleiten, Reflexion fördern und echte Verantwortung trainieren.
Studium plurale: Internationale Vorbilder und was wir daraus lernen können
Wie kann das gelingen? Ein Blick ins Ausland hilft. Das NEET-Programm am MIT (New Engineering Education Transformation) setzt auf interdisziplinäre, projektbasierte Ausbildung. Die d.school an der Stanford University und das HPI in Potsdam lehren Design Thinking, also das kreative Lösen von Problemen im Team, über Fachgrenzen hinweg. Die Rotman School of Management in Toronto hat das Integrative Thinking entwickelt: Studierende lernen, nicht zwischen vorhandenen Optionen zu wählen, sondern neue zu denken. Allen gemeinsam ist: Sie trainieren Denkplastizität, nicht nur Fachwissen.
Was jetzt zu tun ist – konkrete Handlungsempfehlungen
Für Bildungsinstitutionen heißt das: Curricula überprüfen, AI-Literacy und Berufsethik als Querschnittskompetenzen verankern, Domänenwissen stärken und interdisziplinäre Formate fördern. Unternehmen sollten nicht nur in Tool-Schulungen investieren, sondern Räume für ethische Reflexion schaffen und KI-Ergebnisse als Entwürfe behandeln, die menschliches Urteil brauchen. Einzelpersonen sind gut beraten, sich zu fragen: Was weiß ich, was die Maschine nicht weiß? Wie kann ich Prompt Engineering als Disziplin nutzen? Und wie stehe ich zu den ethischen Fragen meines Berufs?
So bleibt der Mensch im Zeitalter der KI nicht nur relevant, sondern wird zum Navigator im Ozean der Möglichkeiten – vorausgesetzt, wir lernen, die richtigen Fragen zu stellen.
Q&A: Die wichtigsten Fragen und Antworten zum Thema KI-Ausbildung und Wissensarbeit
Was ist „abundantes Wissen“?
Wissen, das durch KI jederzeit und überall verfügbar ist – so leicht zugänglich, dass es als Ausbildungsziel an Wert verliert.
Was bedeutet „synthetische Wahrheit“?
KI-generierte Inhalte, die plausibel wirken, aber nicht notwendigerweise wahr sind. Der Begriff stammt aus dem Buch „Synthetische Wahrheit“ von Christoph Künne.
Wenn KI-Systeme scheinbar überzeugende, aber faktisch falsche Ausgaben produzieren – weil sie Sprache berechnen, aber nicht verstehen.
Warum ist Domänenwissen wichtiger denn je?
Nur wer sein Fach wirklich versteht, kann KI-Fehler erkennen, Inhalte einordnen und Verantwortung übernehmen.
Was ist AI-Literacy?
Das Verständnis, wie KI-Systeme funktionieren, was sie leisten können und wo ihre Grenzen liegen.
Die Kunst, einer KI präzise Fragen zu stellen – und damit zugleich das eigene Denken zu schärfen.
Was bedeutet Denkplastizität?
Die Fähigkeit, gedanklich beweglich zu bleiben, zwischen Perspektiven zu wechseln und neue Lösungsräume zu öffnen.
Wie verändert sich die Rolle von Wissensarbeitern?
Sie wandeln sich vom Handwerker zum strategischen Autor: Technische Ausführung tritt zurück, Urteilskraft und Bedeutung rücken in den Vordergrund.
Was können Unternehmen tun?
Sie sollten in Denkkompetenzen investieren, ethische Reflexion fördern und KI-Ergebnisse als Entwürfe behandeln, die menschliches Urteil brauchen.
Wie kann Bildung demokratischer werden?
Indem sie Wissensarbeiter-Kompetenzen für alle zugänglich macht – durch praxisnahe Formate, Reflexion und echte Verantwortung.