Geschätzte Lesezeit: ca. 8 Minuten
Teil 2 unserer vierteiligen Reihe ĂĽber Bildung, Arbeit und Menschsein in einer Welt mit KI.
Im ersten Teil dieser Reihe ging es um die Frage, ob das klassische Modell aus Schule, Studium, Abschluss und anschließend jahrzehntelanger Berufstätigkeit noch zu einer Welt passt, in der sich Wissen und Anforderungen immer schneller verändern.
Doch dahinter steckt eine noch grundsätzlichere Frage: Was sollen Menschen überhaupt noch lernen, wenn Informationen jederzeit verfügbar sind und eine KI sie nicht nur findet, sondern erklärt, zusammenfasst, vergleicht und auf Rückfragen reagiert?
Natürlich müssen Menschen weiterhin etwas wissen. Aber vielleicht verändert sich, wofür wir Wissen brauchen – und woran wir Bildung messen.
Wissen war einmal schwer zugänglich
Über einen großen Teil der Menschheitsgeschichte war Wissen knapp und vergleichsweise schwer erreichbar. Bücher waren teuer, Bibliotheken begrenzt und Experten nicht jederzeit verfügbar. Schule und Universität hatten deshalb eine naheliegende Aufgabe: Sie mussten Wissen in Köpfe übertragen.
Schon das Internet hat diese Logik verändert. Eine Jahreszahl, eine mathematische Formel oder die Hauptstadt eines Landes lassen sich seit Jahrzehnten in Sekunden nachschlagen.
Generative KI geht jedoch einen Schritt weiter. Sie liefert nicht nur einen Treffer. Sie kann erklären, vereinfachen, vergleichen, Beispiele erzeugen und denselben Sachverhalt auf unterschiedlichen Niveaus darstellen. Wer etwas nicht versteht, kann nachfragen – und zwar fünfmal hintereinander, ohne dass der Lehrer irgendwann auf die Uhr schauen muss.
Damit verändert sich die zentrale Frage von Bildung. Nicht mehr nur: Wo finde ich die Information? Sondern zunehmend: Was mache ich mit ihr?
Muss ein SchĂĽler noch wissen, wann Kolumbus Amerika erreichte?
Nehmen wir eine klassische Schulfrage: In welchem Jahr erreichte Christoph Kolumbus Amerika?
Die Antwort lässt sich heute in wenigen Sekunden finden. Warum sollte ein Schüler sie also auswendig lernen?
Die naheliegende Antwort wäre: gar nicht. Aber so einfach ist es nicht. Denn wer überhaupt nichts über europäische Expansion, politische Machtverhältnisse, Handel, Kolonialismus oder indigene Gesellschaften weiß, kann auch kaum sinnvolle Fragen dazu stellen. Ihm fehlt ein Rahmen, in den neue Informationen eingeordnet werden können.
Ohne Grundlagenwissen wird auch die Kontrolle einer KI schwierig. Wer keine Vorstellung davon hat, wann das Römische Reich existierte, kann eine vollkommen absurde historische Antwort schlechter erkennen. Wer keinerlei mathematisches Verständnis besitzt, bemerkt einen plausibel formulierten Rechenfehler womöglich nicht.
Faktenwissen wird deshalb nicht verschwinden. Es könnte lediglich seine Rolle verändern. Fakten wären weniger das Endziel von Bildung und stärker das Material, mit dem wir denken.
Wissen besitzen oder mit Wissen umgehen können?
Vielleicht besteht die Bildungsleistung der Zukunft deshalb weniger darin, möglichst viele Informationen zu speichern. Entscheidend könnte stärker werden, ob ein Mensch Zusammenhänge erkennt, Wissen auf neue Situationen übertragen kann, Widersprüche bemerkt, gute Fragen stellt, Unsicherheit erkennt, Quellen beurteilt und Ergebnisse praktisch anwenden kann.
Die OECD geht inzwischen genau an diese Grundsatzfrage heran. Sie diskutiert ausdrücklich, ob sich angesichts leistungsfähiger KI nicht nur der Einsatz von Technik im Unterricht verändern muss, sondern möglicherweise auch die Kompetenzen, die Schule überhaupt vermitteln soll.
Auch das World Economic Forum sieht neben technologischen Fähigkeiten analytisches und kreatives Denken, Anpassungsfähigkeit, Neugier und lebenslanges Lernen als zentrale Kompetenzen einer sich wandelnden Arbeitswelt.
Interessant daran ist: Je leistungsfähiger unsere technischen Werkzeuge werden, desto wichtiger scheinen Fähigkeiten zu werden, die nicht aus dem bloßen Bedienen eines bestimmten Werkzeugs bestehen.
Welche ist die Programmiersprache der Zukunft?
Der Gedanke aus Teil 1 lässt sich an dieser Stelle weiterführen. Eine überspitzte Antwort könnte lauten: Deutsch, Englisch, Spanisch oder Arabisch – also ganz normale menschliche Sprache.
Noch vor wenigen Jahren musste jemand, der eine Softwareanwendung entwickeln wollte, die entsprechenden Programmiersprachen lernen und seine Idee in einer Syntax ausdrücken, die ein Computer versteht. Heute kann ein Nutzer einem KI-System bereits in Alltagssprache sagen: „Baue mir eine kleine Anwendung, die diese Daten einliest, nach Datum sortiert und daraus ein Diagramm erzeugt.“ Das System schreibt daraufhin den Code.
Noch funktioniert das keineswegs immer zuverlässig. Komplexe Architektur, Sicherheit, Performance und Fehlersuche benötigen weiterhin Menschen mit technischem Verständnis. Aber die Richtung ist interessant: Der Abstand zwischen menschlicher Absicht und technischer Umsetzung wird kleiner.
Damit könnte sich auch hier die wertvolle Fähigkeit verschieben. Weniger wichtig wäre irgendwann vielleicht, jeden Befehl exakt in einer bestimmten Syntax zu kennen. Bedeutender wird, ob jemand das Problem so gut versteht, dass er beschreiben kann, was entstehen soll – und beurteilen kann, ob das Ergebnis tatsächlich funktioniert.
Das wäre kein Ende des Programmierers. Es wäre eine Veränderung seines Berufs.
Der Mensch als PrĂĽfinstanz
Genau hier liegt eine paradoxe Entwicklung: Je besser KI-Systeme werden, desto weniger genügt es womöglich, ihre Ergebnisse einfach zu übernehmen.
Ein Anfänger kann von einer überzeugend formulierten falschen Antwort leicht beeindruckt sein. Ein Fachkundiger erkennt eher, dass etwas nicht stimmt. Erfahrung äußert sich schließlich häufig gerade darin, dass jemand eine Unstimmigkeit spürt, bevor er sie vollständig erklären kann.
KI macht Wissen deshalb nicht unnötig. Sie verändert, welches Wissen besonders wertvoll wird: weniger isolierte Fakten und mehr mentale Modelle, Verständnis, Erfahrung und Plausibilitätsgefühl.
Gesunder Menschenverstand könnte in einer Hightech-Welt wieder ausgesprochen wertvoll werden.
Lernen wir künftig stärker durch Anwenden?
Unser heutiges Bildungssystem trennt Lernen und Anwenden häufig stark voneinander. Zuerst kommt die Theorie, später irgendwann die Praxis.
Dabei lernen Menschen viele Dinge besonders gut, wenn sie unmittelbar damit arbeiten. Man kann hundert Seiten darüber lesen, wie ein Unternehmen geführt wird; das ersetzt nicht die Erfahrung, tatsächlich eine schwierige Entscheidung treffen zu müssen. Man kann Kommunikationstheorie studieren; das ersetzt nicht den Umgang mit einem wütenden Kunden oder einem verunsicherten Patienten. Medizinisches Fachwissen lässt sich lernen – die Erfahrung, einen realen Menschen mit widersprüchlichen Symptomen vor sich zu haben, entsteht erst in der Anwendung.
Wenn KI theoretisches Wissen leichter verfügbar macht, könnte praktische Erfahrung relativ wertvoller werden. Das wäre keine Abkehr von Bildung. Es wäre eine stärkere Verbindung von Wissen und Tun.
Und was passiert mit PrĂĽfungen?
Hier wird es unangenehm fĂĽr viele heutige Bildungssysteme.
Eine klassische Hausarbeit soll unter anderem zeigen, dass ein Schüler oder Student recherchieren, strukturieren, argumentieren und schreiben kann. Wenn KI große Teile dieser Tätigkeiten übernehmen kann, stellt sich irgendwann die Frage, was eine zwanzigseitige Hausarbeit zuhause tatsächlich noch nachweist.
Man kann versuchen, KI zu verbieten. Man kann Detektoren einsetzen und technische Kontrollen aufbauen. Aber vielleicht ist das auf Dauer der falsche Ansatz.
Vielleicht muss sich nicht der Schüler an die alte Prüfung anpassen. Vielleicht muss sich die Prüfung an die neue Realität anpassen.
Vorstellbar wären mehr praktische Fallaufgaben, mündliche Verteidigungen, Projektarbeit, Live-Problemlösungen oder Prüfungen, bei denen KI ausdrücklich erlaubt ist. Eine Aufgabe könnte lauten:
„Du darfst alle verfügbaren KI-Werkzeuge benutzen. Löse dieses Problem – und erkläre anschließend, wie du vorgegangen bist, welche Ergebnisse du verworfen hast und warum du deiner endgültigen Lösung vertraust.“
Damit würde nicht mehr primär geprüft, wie gut jemand ohne Hilfsmittel Informationen reproduzieren kann. Geprüft würde, ob jemand leistungsfähige Hilfsmittel kompetent und verantwortlich einsetzen kann. Und das entspricht vermutlich wesentlich stärker der Arbeitswelt, in die wir diese Menschen schicken.
Der Taschenrechner war auch nicht das Ende der Mathematik
Die Diskussion ist nicht völlig neu. Taschenrechner lösten die Sorge aus, Kinder würden nicht mehr rechnen lernen. Rechtschreibprogramme sollten das Schreiben verlernen lassen. Suchmaschinen stellten die Frage, ob man Informationen überhaupt noch im Kopf behalten muss.
Die OECD verweist auf genau diese historischen Parallelen.
KI unterscheidet sich dennoch von diesen Werkzeugen. Ein Taschenrechner beantwortet keine Rückfrage. Ein Rechtschreibprogramm erklärt keine Philosophie. Eine Suchmaschine entwickelt normalerweise keinen individuell angepassten Lernweg. Ein modernes Sprachmodell kann all das zumindest teilweise.
Darum betrifft die Veränderung möglicherweise nicht nur eine einzelne Tätigkeit, sondern die Grundidee dessen, was Lernen bedeutet.
⚖️ Der Realitätscheck: Wer nichts weiß, erkennt auch schlechten KI-Output schlechter
Der optimistische Gedanke „Die KI weiß alles, also muss ich nichts mehr lernen“ wäre deshalb gefährlich.
Gerade wer KI intensiv nutzt, braucht eigenes Wissen. Vielleicht weniger als riesige Datenbank und stärker als Orientierungssystem.
Ein Mensch ohne medizinische Kenntnisse kann eine falsche medizinische Antwort schlechter beurteilen. Ohne Geschichtskenntnisse lassen sich Manipulation und falsche Zusammenhänge schwerer erkennen. Ohne mathematisches Grundverständnis fällt ein absurdes Ergebnis weniger auf. Und wer sprachlich unsicher ist, kann auch schwieriger beurteilen, ob ein elegant geschriebener Text tatsächlich etwas Sinnvolles sagt.
Grundlagenbildung bleibt also wichtig. Vielleicht wird sie sogar wichtiger – nur mit einem anderen Ziel.
Nicht um der Maschine Konkurrenz beim Speichern von Informationen zu machen, sondern um ihre Ergebnisse verstehen und beurteilen zu können.
Was wäre dann ein gebildeter Mensch?
Vielleicht verändert sich genau dieser Begriff. Ein gebildeter Mensch der Zukunft wäre weiterhin jemand, der etwas weiß. Aber vielleicht zunehmend auch jemand, der Wissen finden, verstehen, prüfen und miteinander verbinden kann – und weiß, wann er einer Maschine nicht vertrauen sollte.
Das wäre keine Abwertung klassischer Bildung. Vielleicht wäre es sogar eine Erweiterung.
Denn Wissen wäre dann weniger etwas, das man besitzt. Sondern etwas, mit dem man umgehen kann.
Und damit entsteht unmittelbar die nächste Frage: Wenn Menschen unterschiedlich lernen, unterschiedliche Stärken haben und KI ihnen Wissen individuell erklären kann – warum lernen dann eigentlich noch dreißig Schüler gleichzeitig denselben Stoff im selben Tempo?
Bei Deus ex MaKIna zum Weiterlesen
🛠️ Vier Dinge, die du mit KI einfach mal ausprobieren kannst – darunter ein ganz praktisches Beispiel dafür, wie KI als persönlicher Lernpartner eingesetzt werden kann.
Quellen und weiterfĂĽhrende Literatur
OECD – What should teachers teach and students learn in a future of powerful AI?
OECD – Empowering Learners for the Age of AI
World Economic Forum – Future of Jobs Report 2025: Skills Outlook