Insights
Warum AI-Glättung kritisches Denken untergräbt
Mir ist neulich etwas Unangenehmes an meiner eigenen Arbeit aufgefallen. Ich habe ein Dokument überprüft, das eine AI für mich entworfen hatte. Es war gut. Klare Struktur, vernünftige Logik, keine offensichtlichen Fehler. Ich habe es zweimal gelesen, drei kleine Änderungen vorgenommen und es freigegeben. Dann habe ich mir eine Frage gestellt, die ich nicht gerne beantwortet habe: Hätte ich einen schweren Fehler entdeckt, wenn es einen gegeben hätte? Ich bin mir nicht sicher, ob ich das hätte. Nicht weil mir die Fähigkeit fehlt, sondern weil der Entwurf bereits fertig aussah, als er ankam.
AI-Glättung lädt zur Zustimmung ein
Und ich war unbewusst von der Beschäftigung mit dem Problem zur reinen Überprüfung der Antwort übergegangen. Dazu gibt es mittlerweile Forschung. Microsoft Research hat 319 Wissensarbeiter befragt, die 936 reale Beispiele für den Einsatz von AI in ihrer Arbeit geteilt haben. Das dabei gefundene Muster war nicht, dass AI die Menschen weniger denkfähig macht. Es war subtiler und beunruhigender: Je mehr Vertrauen die Menschen in die AI hatten, desto weniger Mühe wandten sie für kritisches Denken auf. Je mehr Vertrauen sie in sich selbst hatten, desto mehr wandten sie auf. Vertrauen, so zeigt sich, ist eine endliche Ressource, die sich verschiebt. Wenn wir mehr davon in das Tool stecken, ziehen wir etwas davon aus uns selbst ab. Eine separate Studie aus dem Jahr 2026 mit über 1.200 Personen ergab etwas Ähnliches – die Teilnehmer waren schlecht darin kalibriert abzuschätzen, wie viel Zeit ihnen die AI tatsächlich gespart hatte. Die gefühlte und die tatsächliche Geschwindigkeit wichen voneinander ab. Die Autoren nannten es eine Beschleunigungsillusion. Ich kehre immer wieder zu der Frage zurück, was diese Erkenntnisse für Unternehmen bedeuten, denn ich glaube nicht, dass es ein Trainingsproblem ist. Jedes Unternehmen, das ich kenne, misst derzeit die AI-Adoption. Lizenzierte Arbeitsplätze. Automatisierte Aufgaben. Gesparte Stunden. Nicht ein einziges misst, ob die Qualität des menschlichen Denkens innerhalb der Organisation gestiegen oder gesunken ist.
We have instrumentation for the machine and none for
Und hier zeigt sich eine seltsame Asymmetrie. Der Microsoft Work Trend Index 2026 ergab, dass Arbeitnehmer auf die Frage, welche Fähigkeiten am wichtigsten sind, wenn AI mehr Arbeit übernimmt, als die beiden wichtigsten Antworten die Qualitätskontrolle von AI-Ergebnissen und kritisches Denken nannten. Sechsundachtzig Prozent gaben an, dass sie AI-Ergebnisse als Ausgangspunkt und nicht als endgültige Antwort betrachten. Die Leute wissen es also. Sie können die Fähigkeit benennen. Was ihnen fehlt, ist ein Umfeld, das die Bedingungen für deren Ausübung schützt – Zeit, Zweifel, Dissens, die Erlaubnis zu sagen: „Das sieht richtig aus und ich vertraue ihm trotzdem nicht.“ Diese Erlaubnis ist kein Persönlichkeitsmerkmal.
Es ist eine organisatorische Designentscheidung
Wenn die Meetings eines Teams so strukturiert sind, dass die schnelle Antwort gewinnt, gewinnt der AI-Entwurf. Wenn Uneinigkeit soziales Kapital kostet, investiert niemand dieses Kapital, um etwas in Frage zu stellen, das sich bereits gut liest. Wenn der Kalender keinen Platz lässt zwischen dem Empfang von Arbeit und der Entscheidung darüber, wird die Urteilskraft in eine bloße Freigabe komprimiert. Contribution Leadership geht von der Prämisse aus, dass AI die Arbeit optimieren soll, während Unternehmen den Menschen optimieren. Was ich lerne, ist, dass es hierbei nicht nur darum geht, freizusetzen, was Menschen beitragen können. Es geht auch darum, das zu verteidigen, was sie unbemerkt verlieren könnten. Das Wertvollste, das ein Mensch in eine mit AI gesättigte Organisation einbringt, ist vielleicht seine Bereitschaft, ein wenig unüberzeugt zu bleiben. Das wirft eine Frage auf, auf die ich noch keine saubere Antwort habe: Wenn Vertrauen von der Person auf das Tool übergeht, was tut eine Führungskraft, um einen Teil davon zurückzuübertragen? Ich vermute, die Antwort sieht weniger nach einer Richtlinie und mehr nach einer Praxis aus. Jemanden bitten, die Argumentation zu erklären, nicht nur das Ergebnis. Entscheidungen überprüfen, nicht nur Arbeitsergebnisse. Es zur Normalität machen – ja, sogar erwarten –, dass man sagt: „Ich habe hier AI verwendet, und hier ist der Punkt, an dem ich sie immer noch für falsch halte.“ Kleine Rituale. Aber sie machen möglicherweise den Unterschied aus zwischen einer Organisation, die mit AI denkt, und einer, die allmählich ganz aufhört zu denken.