89: Über produktive Passagiere, widerwillige Optimierer und mentale Marathonläufer – mit KI arbeiten, ohne laufend dümmer zu werden

Vierzehn Uhr. Der Kopf summt. Auf dem Bildschirm liegen sieben Fenster übereinander: ein Entwurf, den die KI geschrieben hat, daneben ein zweiter, den du gerade überarbeitest, dazu drei Chats, eine Mailflut und eine To-do-Liste, die laufend länger -statt kürzer- wird. Sichtbar entsteht viel. Und doch beschleicht dich das Gefühl, immer weniger bei dir selbst zu sein.

Für diesen Zustand gibt es neuerdings einen Begriff: «AI Brain Fry». Andrea Haarmann hat ihn kürzlich auf LinkedIn aufgegriffen, mit Verweis auf einen Beitrag von David Brooks im «Atlantic». Ursprünglich stammt der Ausdruck aus einer Studie von Forschenden der Boston Consulting Group, veröffentlicht im «Harvard Business Review». Sie beschreiben damit eine akute geistige Erschöpfung, die entsteht, wenn das Überwachen und Steuern von KI-Werkzeugen die eigene kognitive Kapazität übersteigt. Nebliger Kopf, langsamere Entscheidungen, das Empfinden, das Denken sei überfüllt.

Wer profitiert davon am wenigsten? Ausgerechnet die intensivsten Nutzerinnen und Nutzer. Nicht die zögerlichen, sondern die begeisterten. Und was macht das mit uns als Bildungsfachleute, deren Handwerk das Denken ist? Darüber schreibe ich in diesem Beitrag.

Der Denkfehler der gesparten Zeit

Erinnerst du dich noch? Die Verheissung war eine andere. KI sollte uns Arbeit abnehmen und Freiraum schaffen. Studien zeigen geraden etwas anderes. Forschende von ActivTrak haben die digitale Aktivität von über 10’000 Arbeitenden ausgewertet. Wer KI einführte, arbeitete danach intensiver, nicht entspannter. Die Zeit für Mail, Messaging und Chat verdoppelte sich, die Nutzung von Business-Software stieg um 94 Prozent. Und die Zeit für fokussiertes, ununterbrochenes Arbeiten sank um 9 Prozent.

Das Muster dahinter ist einfach. Menschen nutzen die gewonnene Zeit selten, um weniger zu tun. Sie füllen sie mit neuen Aufgaben. Zugleich verschieben sich die Erwartungen, die eigenen und die der Vorgesetzten. Was heute noch Zusatzleistung ist, gilt morgen als selbstverständlich. So wird gesparte Zeit sofort wieder einkassiert. Effizienz mündet in Verdichtung.

Hier liegt der wunde Punkt. Wir merken die Rechnung erst spät. Die BCG-Studie fand bei Menschen mit «AI Brain Fry» einen Anstieg schwerer Fehler um 39 Prozent und deutlich mehr Entscheidungsmüdigkeit. Man schafft sichtbar mehr und büsst dafür an einer Stelle, die auf keiner Kennzahl auftaucht: bei der eigenen Denkfähigkeit.

Drei Typen im Umgang mit KI

Brooks sortiert die Nutzerinnen und Nutzer in drei Gruppen. Ich finde die Typologie hilfreich, weil sie nicht moralisiert, sondern beschreibt, wie sich verschiedene Haltungen auf das eigene Können auswirken.

1. Da sind zunächst die produktiven Passagiere. Aufgabe rein, Ergebnis raus, das eigene Denken auf Sparflamme, weil Denken Zeit kostet. Kurzfristig wirkt das produktiv. Doch Brooks verweist auf Untersuchungen, in denen die KI-gestützte Bearbeitung mit sinkender kognitiver Aktivierung, schlechterem Erinnerungsvermögen und schwächerem kritischem Denken einherging. Der Fahrgast kommt ans Ziel, ohne den Weg zu kennen.

2. Dann die widerwilligen Optimierer. Sie ahnen die Gefahr und geben ihr trotzdem nach, sobald Tempo, Druck und Erwartungen überhandnehmen. Passend dazu ein beunruhigender Befund aus Wharton: Forschende programmierten eine KI so, dass sie gelegentlich falsche Antworten gab. Die Menschen übernahmen diese Fehler in 80 Prozent der Fälle als richtig. Fachleute sprechen hier von «cognitive surrender», von einer Abgabe des eigenen Urteils an die Maschine. Verwandt ist die Idee der «cognitive debt»: die Lücke zwischen dem, was wir mit KI produzieren, und dem, was wir davon wirklich verstehen.

3. Und schliesslich die mentalen Marathonläufer. Sie behandeln KI als Sparringspartnerin: selbst denken, Hinweise einholen, prüfen, bevor man eine fertige Antwort übernimmt. Diese Nutzung passt zu Brooks‘ Beobachtung, dass KI weniger schadet, wenn sie keine Antworten liefert, sondern Hintergrund, Klärung und Widerstand fürs eigene Denken. Gerade diese dritte Gruppe zeigt etwas, das ich in meiner Arbeit immer wieder erlebe: Ergebnisse mit Hand und Fuss entstehen selten im reibungslosen Durchlauf.

Reibung ist kein Betriebsunfall

Es braucht Widerstand am Argument und an der eigenen Unsicherheit. Wer diesen Schritt vorschnell auslagert, gewinnt zunächst Zeit und verliert sie zugleich als Trainingszeit fürs eigene Denk- und Urteilsvermögen. Können entsteht nicht trotz Reibung, sondern durch sie. Die Muskulatur des Urteils wächst am Widerstand, ähnlich wie die des Körpers.

Brooks bringt das auf eine Formel, die ich mir merke: When intelligence is plentiful, volition is valuable. Wenn Intelligenz im Überfluss vorhanden ist, wird das Wollen wertvoll. Nicht wer am meisten weiss, macht künftig den Unterschied, sondern wer bereit ist, sich der geistigen Anstrengung überhaupt noch auszusetzen. Brooks warnt vor einer kognitiven Polarisierung: hier die Menschen mit Lust am schwierigen Denken, dort jene, die jede Gelegenheit nutzen, es zu vermeiden. Die KI verstärkt beide Tendenzen.

Damit rückt eine Frage ins Zentrum, die Haarmann treffend formuliert und die ich in meinen Kursen gerne weitergebe:

Welche geistige Arbeit will ich auf keinen Fall verlernen?

Vermutlich ist genau das eine Schlüsselkompetenz im KI-Zeitalter: zu merken, wann eine Erleichterung die Reibung entfernt, durch die Können erst entsteht. Und rechtzeitig wieder selbst an den Punkt zu gehen, an dem es anstrengend wird.

In meinen Trainings: mit KI arbeiten und dabei klüger werden

Die gute Nachricht: «AI Brain Fry» ist kein Schicksal, sondern eine Frage der Arbeitsweise. In meinen Trainings „KI in der Erwachsenenbildung“ zeige ich Bildungsfachleuten Wege, KI so zu nutzen, dass sie das Denken stützt statt ersetzt. Sechs davon möchte ich hier teilen.

Erst der eigene Kopf, dann die Maschine. Formuliere zuerst deine eigene These oder deinen ersten Entwurf, und lass die KI erst danach gegenhalten. Wer umgekehrt beginnt, denkt fortan in den Bahnen des Modells. Diese klare Reihenfolge schützt deine eigene Ausgangsidee.

Die KI als Sparringspartnerin, nicht als Ghostwriterin. Bitte sie um Gegenargumente, um Rückfragen, um deine blinden Flecken, statt um fertige Texte. Ein produktiver Prompt lautet nicht «Schreib mir X», sondern «Welche drei Einwände würde ein kritischer Fachkollege gegen meine Position vorbringen?». So liefert dir das Werkzeug Widerstand statt Bequemlichkeit.

Die Fehlerannahme mitführen. Geh grundsätzlich davon aus, dass irgendetwas nicht stimmt. Eine einzige Rückfrage genügt oft: «Wo könnte das falsch sein, und woran erkenne ich es?» Die Wharton-Zahl von 80 Prozent übernommener Fehler ist eine Warnung. Sie verliert ihre Kraft in dem Moment, in dem du das Prüfen zur Gewohnheit machst.

Die Reibung an der richtigen Stelle behalten. Nicht jede Anstrengung ist gleich wertvoll. Delegiere ruhig das Formatieren, das Zusammenfassen langer Dokumente, den ersten Rechercheüberblick. Behalte dafür bewusst das, worauf es ankommt: die Kernbotschaft finden, die Struktur entscheiden, das Urteil fällen. Genau dort ist die Anstrengung dein Training.

Den Zeitgewinn schützen. Wenn dir KI zwanzig Minuten schenkt, dann fülle sie nicht reflexhaft mit der nächsten Aufgabe. Reserviere sie als Denkzeit. Diese kleine Disziplin ist der wirksamste Hebel gegen die Verdichtung, die den «Brain Fry» überhaupt erst erzeugt.

Nach der Nutzung kurz reflektieren. Ich empfehle ein Mini-Lernjournal mit drei Fragen: Was habe ich selbst gedacht? Was hat die KI beigetragen? Und was habe ich dabei gelernt? Zwei Minuten genügen. Wer diese Fragen regelmässig stellt, verwandelt jede KI-Nutzung in einen kleinen Lernanlass, statt sie im Vergessen verschwinden zu lassen.

Für uns Bildungsfachleute: Reibung didaktisch gestalten

Damit sind wir bei unserer eigentlichen Aufgabe. Als Bildungsfachleute geben wir nicht nur unsere eigene KI-Kompetenz weiter. Wir gestalten die Lernumgebungen anderer. Wir achten darauf „einladende und lernförderliche Verhältnisse“ zu schaffen. Und hier entscheidet sich vieles.

Eine Aufgabe, die eine KI in Sekunden fehlerfrei löst, trainiert niemanden mehr. Die didaktische Kunst besteht künftig darin, produktive Schwierigkeit bewusst einzubauen: Aufträge, die zum eigenen Urteil zwingen, Prüfaufgaben, in denen Lernende KI-Output kritisieren und korrigieren, Situationen, in denen sie ihre eigene Position vor der Maschine verteidigen. Reibung wird zum Gestaltungsprinzip.

Brooks‘ Hinweis, dass Schulen und Organisationen künftig Wollen und Motivation kultivieren müssen, passt genau zu unserem Feld. Kompetenz allein reicht nicht, wenn die Bereitschaft zur Anstrengung schwindet. Vieles davon habe ich in früheren Blogbeiträgen hier bei Education Minds und in meiner Podcastreihe als didaktische Reduktion beschrieben: Die KI liefert Vollständigkeit, wir liefern Relevanz und Urteil. Der Unterschied liegt im Denken, das wir uns nicht abnehmen lassen.

Fazit

«AI Brain Fry» ist der Preis dafür, die Reibung an der falschen Stelle wegzusparen. Wer alle Anstrengung auslagert, gewinnt Tempo und verliert die Trainingszeit fürs eigene Urteil. Drei Gedanken nehme ich mit:

Erstens: Behandle KI als Sparringspartnerin, die Widerstand liefert, nicht als Passagiersitz, in dem du dich zurücklehnst.

Zweitens: Schütze den Zeitgewinn als Denkzeit, statt ihn sofort zu verplanen.

Und drittens, als Kompass für alles Weitere, die eine Frage, die bleibt: Welche geistige Arbeit will ich auf keinen Fall verlernen?

Wenn du diese Frage für sich beantwortest, kannst du dem «AI Brain Fry» die Stirn bieten. Und gehst wieder selbst an den Punkt, an dem es anstrengend wird.

Wie gehst du mit KI um – als Passagier, als widerwilliger Optimierer oder als mentaler Marathonläufer? Ich freue mich über deine Erfahrung in den Kommentaren. Vertiefen kannst du das Thema in meiner Weiterbildung «KI in der Erwachsenenbildung» sowie in mehreren aktuellen Episoden des Podcasts «Education Minds – Didaktische Reduktion und Erwachsenenbildung», die ich dir unten bei den Ressourcen aufführe.

Ressourcen:

David Brooks: «The People Who Will Thrive in the AI Age», The Atlantic (Juni 2026).

Bedard u. a.: «When Using AI Leads to Brain Fry», Harvard Business Review (März 2026). Verhaltensdaten von ActivTrak sowie das Wharton-Experiment zur Fehlerübernahme.

Der LinkedIn-Post von Dr. Andrea Haarmann vom 13.07.26, der den Anstoss zu diesem Beitrag gab.

Weiterbildung „KI in der Erwachsenenbildung“ beim Campus Sursee.

Lecture Cast spricht in diesem Podcastgespräch Nr. 127 mit Dominik von Proeck über Hochschule und KI-Agenten.

Konrad Weber erklärt in einem Blogbeitrag vom 12.07.26, was Führungskräfte dagegen tun können, bei aktiver KI-Nutzen nicht laufend Kompetenzen abzubauen.

Abonniere den Newsletter „Auf den Punkt“ über Didaktische Reduktion, Microlearning und KI in der Erwachsenenbildung hier.