Der Geschwindigkeitsirrtum

Wir alle wollen schneller werden. Schnellere Antworten, schnellere Entscheidungen, schnellere Ergebnisse. KI verspricht genau das. Aber was, wenn wir durch die Abkürzung am Ende langsamer werden?

Eine Studie aus dem Mathematikunterricht in der Türkei liefert darauf eine überraschende Antwort.

Die schnellste Lösung ist nicht immer die beste

In einem Experiment mit knapp tausend Schülerinnen und Schülern schnitt eine Gruppe, die mit ChatGPT übte, in den Mathematik-Übungsaufgaben 48 Prozent besser ab als die Vergleichsgruppe ohne KI. Das klingt nach einem klaren Erfolg. Doch im anschließenden Test ohne KI schnitt diese Gruppe 17 Prozent schlechter ab.

Eine dritte Gruppe arbeitete ebenfalls mit KI, allerdings in einer anderen Form. Statt vor allem fertige Lösungen zu liefern, unterstützte das System den Lernprozess durch gezielte Hinweise und Hilfestellungen. Diese Schülerinnen und Schüler steigerten ihre Leistung während der Übungen um 127 Prozent und hielten im anschließenden Test mit der Gruppe ohne KI mit.

Die Ergebnisse stammen aus einer konkreten Untersuchung und lassen sich nicht pauschal auf jede KI-Anwendung übertragen. Aber sie zeigen einen bemerkenswerten Unterschied: Eine KI kann uns dabei helfen, bessere Ergebnisse abzuliefern, ohne dass wir entsprechend mehr lernen. Oder sie kann uns dabei unterstützen, Fähigkeiten aufzubauen, die auch ohne sie tragen.

Gleiche Technologie, unterschiedliche Wirkung.

Niemand lernt Autofahren auf der Autobahn

Stellen Sie sich vor, Sie kaufen einen Sportwagen. Er beschleunigt in wenigen Sekunden auf eine Geschwindigkeit, für die Sie früher deutlich länger gebraucht hätten. Aber macht Sie das automatisch zu einem besseren Fahrer?

Natürlich nicht. Sie müssen lernen, das Fahrzeug zu beherrschen, Situationen einzuschätzen und rechtzeitig zu reagieren. Dafür beginnen Sie nicht mit Vollgas auf der Autobahn. Sie üben zunächst in einem sicheren Rahmen, machen Erfahrungen und entwickeln ein Gefühl für das Fahrzeug.

Bei KI machen wir es oft genau andersherum. Wir geben eine Aufgabe ein, bekommen eine überzeugend formulierte Antwort und verwenden sie direkt weiter. Die Maschine war schnell. Aber haben wir verstanden, wie sie zu ihrem Ergebnis gekommen ist? Wissen wir, welche Annahmen dahinterstecken und woran wir einen Fehler erkennen würden?

Eine weitere Studie zeigt, welches Potenzial in der anderen Richtung liegt. In einem Physikkurs an der Harvard University lernten Studierende mit einem speziell entwickelten KI-Tutor, der sie Schritt für Schritt durch Aufgaben führte, mehr als doppelt so viel wie im aktiven Präsenzunterricht. Dafür benötigten sie weniger Zeit.

Auch hier gilt: Das Ergebnis bezieht sich auf eine konkrete Untersuchung mit 194 Studierenden und einem eigens entwickelten Tutor. Es beweist nicht, dass jeder KI-Chatbot automatisch ein guter Lehrer ist. Aber es zeigt, dass KI nicht nur Antworten liefern muss. Sie kann uns auch dabei helfen, selbst bessere Antworten zu finden.

Die entscheidende Frage ist deshalb nicht, wie schnell die KI uns ans Ziel bringt. Sondern was wir unterwegs lernen.

Drei Wege, KI zu nutzen

Ich sehe im Umgang mit KI drei unterschiedliche Ansätze.

Der erste: Die KI erledigt die Aufgabe.

Sie formuliert den Text, erstellt die Auswertung oder liefert die Lösung. Das kann sinnvoll sein, insbesondere bei wiederkehrenden Aufgaben, die klar definiert sind und deren Ergebnisse sich zuverlässig prüfen lassen. Nicht jede Routineaufgabe muss zum Lernprojekt werden.

Der zweite: Die KI unterstützt unser Denken.

Sie stellt Rückfragen, erklärt Zusammenhänge, zeigt alternative Lösungswege und macht uns auf mögliche Fehler aufmerksam. Wir kommen vielleicht nicht ganz so schnell zur ersten Antwort, entwickeln dafür aber ein besseres Verständnis.

Der dritte: Wir lernen, die Aufgabe selbst zu beherrschen, und delegieren anschließend gezielt.

Wir verstehen die Grundlagen, kennen typische Fehler und wissen, wann wir eingreifen müssen. Jetzt kann die KI ihre Geschwindigkeit ausspielen, ohne dass wir die Kontrolle über das Ergebnis verlieren.

Welcher Ansatz der richtige ist, hängt von der Aufgabe ab. Wenn eine Rechnung nach festen Regeln verarbeitet werden soll, ist eine zuverlässige Automatisierung oft besser als ein Lernprozess mit einem Sprachmodell. Wenn es darum geht, ein neues Fachgebiet zu erschließen oder eine komplexe Entscheidung vorzubereiten, kann die KI dagegen besonders wertvoll sein, wenn sie uns zum Mitdenken anregt.

Es geht also nicht darum, grundsätzlich langsamer zu arbeiten. Es geht darum, bewusst zu entscheiden, wann Geschwindigkeit zählt und wann Verständnis wichtiger ist.

In welchem Gang fährt Ihr Team?

Wenn Sie die Lernfunktion von KI ausprobieren möchten, nehmen Sie sich ein Thema vor, das Sie oder Ihr Team wirklich beherrschen müssen. Testen Sie dafür vier einfache Schritte.

1. Die KI fragt.

Beginnen Sie mit dieser Anweisung: „Gib mir nicht sofort die Lösung. Stelle mir Fragen, mit denen ich selbst darauf kommen kann. Hilf mir weiter, wenn ich nicht weiterkomme.“

2. Sie erklären.

Fassen Sie in eigenen Worten zusammen, was Sie verstanden haben. Lassen Sie die KI gezielt nach Lücken, Widersprüchen und Fehlern suchen.

3. Die KI prüft Ihr Wissen.

Bitten Sie sie, Ihnen einige Tage später fünf Fragen zum Thema zu stellen, ohne dass Sie vorher Ihre Notizen ansehen. Prüfen Sie anschließend Ihre Antworten anhand verlässlicher Informationen.

4. Sie delegieren und kontrollieren.

Übertragen Sie passende Aufgaben an die KI. Prüfen Sie wichtige Ergebnisse anhand belastbarer Quellen und nachvollziehbarer Belege. Bei kritischen Entscheidungen bleibt die menschliche Kontrolle unverzichtbar.

Das aktive Abrufen von Wissen kann helfen, Inhalte langfristig zu behalten. Und wer die Grundlagen versteht, hat bessere Voraussetzungen, KI-Ergebnisse kritisch zu beurteilen.

Sie müssen nicht jedes Thema bis ins letzte Detail beherrschen. Aber Sie sollten wissen, was Sie der Maschine überlassen können und wo Ihr eigenes Urteil gefragt ist.

Geschwindigkeit ist erst der Anfang

Für Unternehmen ist das mehr als eine Frage der persönlichen Lerntechnik. Es geht darum, wie wir Arbeit organisieren.

Manche Aufgaben lassen sich mit festen Regeln zuverlässig automatisieren. Bei anderen kann KI Informationen sortieren, Besprechungen in konkrete Aufgaben übersetzen oder bei der Vorbereitung von Entscheidungen helfen. Und bei wiederkehrenden Prozessen kann es sinnvoll sein, mehrere Schritte miteinander zu verbinden, statt jeden davon einzeln anzustoßen.

Der größte Gewinn entsteht dabei nicht zwingend durch die spektakulärste KI-Anwendung. Er entsteht oft dort, wo unnötige Arbeit verschwindet, Informationen besser verfügbar sind und Menschen ihre Zeit für Aufgaben einsetzen können, bei denen Erfahrung, Urteilskraft und Verantwortung zählen.

Genau deshalb sollte die Frage nicht lauten: Wo können wir überall KI einsetzen?

Die bessere Frage lautet: Welche Arbeit kostet uns heute unnötig Zeit, wie lässt sie sich sinnvoll vereinfachen und welche Fähigkeiten brauchen unsere Mitarbeiter, um mit den neuen Möglichkeiten souverän umzugehen?

Im September habe ich hier beschrieben, warum die wichtigste KI-Kompetenz mehr als zwanzig Jahre alt ist. Heute geht es um den nächsten Schritt: KI so einzusetzen, dass wir nicht nur schneller Ergebnisse produzieren, sondern nachhaltig besser arbeiten.

Denn Geschwindigkeit ist kein Selbstzweck. Sie ist dann wertvoll, wenn sie uns wirklich voranbringt.

Wie nutzen Sie KI heute? Lassen Sie sie vor allem Aufgaben erledigen, oder nutzen Sie sie auch, um das Wissen und die Fähigkeiten Ihres Teams weiterzuentwickeln?

Wenn Sie herausfinden möchten, wo in Ihrem Unternehmen unnötiger Aufwand steckt und welche Abläufe sich sinnvoll vereinfachen lassen, sprechen wir darüber. In einer halben Stunde können wir einen konkreten Arbeitsablauf gemeinsam durchgehen und erste Ansatzpunkte identifizieren.

Kontakt zu Vaaren.ai

Transparenz: Auch diese Kolumne ist mit Unterstützung von KI entstanden. Die KI hat bei Recherche, Strukturierung und Überarbeitung geholfen. Die inhaltlichen Entscheidungen und die Verantwortung für den veröffentlichten Text liegen bei mir.

Quellen:

• Bastani u. a., „Generative AI without guardrails can harm learning“, PNAS 122 (26), 2025. Zur Studie
• Kestin u. a., „AI tutoring outperforms in-class active learning“, Scientific Reports, 2025. Zur Studie
• Lee u. a., „The Impact of Generative AI on Critical Thinking“, CHI 2025. Zur Studie

Diese Kolumne erscheint jeden Mittwoch. Ich arbeite seit 2002 in der IT, habe Konzernteams geführt und war selbst Geschäftsführer eines mittelständischen Unternehmens. Heute entwickle und betreibe ich mit Vaaren KI-Systeme, die Unternehmen dabei helfen, unnötigen Aufwand aus ihren Abläufen zu nehmen und Freiraum für das Wesentliche zu schaffen.

Wo Ihr Unternehmen bei KI und Prozessen steht, zeigt der kostenlose KI-Reife-Check in etwa sieben Minuten.