Tag zwei im Seminar. Eine Teilnehmerin hebt die Hand, freundlich und ehrlich interessiert: „Ich frag mal ganz offen. Warum soll ich mir das merken? Ich kann das doch jederzeit nachschlagen.“ Ein paar Köpfe nicken. Die Frage ist berechtigt, nur die naheliegende Antwort darauf ist falsch. Die lautet nämlich: „Weil es in der Prüfung drankommt.“ Richtig wäre: „Weil du sonst nicht merkst, wenn die KI Unsinn erzählt.“ Und noch grundsätzlicher: „Weil Denken nur mit dem arbeiten kann, was schon in deinem Kopf ist.“
Nachschlagen kann nur, wer weiß, wonach
Die Idee hinter der Frage klingt logisch. Das Wissen liegt draußen, im Netz oder in der KI, und ich muss nur wissen, wie ich drankomme. Wissen im Kopf wäre dann Ballast. Das Problem ist, dass schon das Drankommen Wissen braucht. Forschende von Microsoft um Ryen White haben in einer großen Langzeitanalyse echte Suchprotokolle aus Medizin, Finanzen, Recht und Informatik ausgewertet. Fachleute suchten anders als Laien, mit anderen Begriffen, über andere Quellen und gezielter, und sie fanden häufiger, was sie suchten.
Bei KI dürfte das kaum anders sein. Wer die Fachbegriffe nicht kennt, kann nicht präzise fragen, und wer nicht weiß, wie eine gute Antwort aussieht, erkennt sie nicht, wenn sie vor ihm steht. Fragen kann jeder. Gute Fragen stellt nur, wer schon etwas weiß.
Denken arbeitet mit dem, was im Kopf ist
Das Arbeitsgedächtnis ist klein und kann nur wenige Dinge gleichzeitig halten. Was wir als „gutes Denken“ erleben, ist zu einem großen Teil das Langzeitgedächtnis, das im Hintergrund fertige Muster liefert.
Der Klassiker dazu stammt aus dem Schach. William Chase und Herbert Simon zeigten Spielerinnen und Spielern fünf Sekunden lang eine Stellung und ließen sie danach nachbauen. Bei echten Spielstellungen setzten Meister ein Vielfaches an Figuren richtig, Anfänger nur wenige. Bei zufällig verteilten Figuren war der Vorsprung der Meister dagegen fast weg. Sie hatten also kein besseres Gedächtnis, sondern mehr Wissen darüber, wie Schachstellungen normalerweise aussehen.
Noch alltäglicher ist eine Studie von Donna Recht und Lauren Leslie. Jugendliche lasen einen Text über ein Baseballspiel, und schwache Leser mit viel Baseballwissen verstanden und behielten ihn besser als starke Leser ohne dieses Wissen. Leseverständnis ist zu einem großen Teil Wissen über das Thema. Daraus folgt etwas, das in der KI-Debatte gern untergeht und das der Kognitionspsychologe Daniel Willingham so zusammengefasst hat: Kritisches Denken ist keine allgemeine Fähigkeit, die man losgelöst vom Inhalt trainiert, es hängt am Fachwissen. Wer von einem Thema keine Ahnung hat, kann darüber nicht kritisch denken. Er kann höchstens kritisch gucken.
KI vergrößert, was schon da ist
Was das für die Arbeit mit KI heißt, zeigt eine Studie aus der Informatik-Ausbildung sehr deutlich. James Prather und sein Team beobachteten Programmieranfängerinnen und -anfänger, die mit KI-Werkzeugen eine Aufgabe lösten. Wer schon einen soliden Stand hatte, kam mit KI schneller voran. Wer ohnehin kämpfte, bei dem wurden alte Schwierigkeiten größer, und neue kamen dazu. Die meisten von ihnen glaubten außerdem, mehr verstanden zu haben, als es tatsächlich der Fall war. Die Forschenden nannten ihre Studie „The Widening Gap“, die wachsende Lücke, und das trifft es: KI vergrößert, was schon da ist, auch die Lücke. In meinem Artikel KI und Lernen: Warum wir jetzt Regeln fürs Denken brauchen habe ich Befragungen beschrieben, die in dieselbe Richtung zeigen: Wer viel weiß, prüft KI-Antworten, wer wenig weiß, übernimmt sie.
Der Google-Effekt ist kleiner als gedacht, das Problem nicht
An dieser Stelle kommt oft ein berühmter Einwand: Wir merken uns doch längst nur noch, wo etwas steht, und nicht mehr, was dort steht. Dieser sogenannte Google-Effekt geht auf eine viel zitierte Studie von Betsy Sparrow und ihrem Team aus dem Jahr 2011 zurück. Ihr bekanntester Teil ließ sich später allerdings nicht wiederholen, weder in einem großen Replikationsprojekt 2018 noch in einem zweiten Versuch 2020. Der Effekt ist wohl kleiner und stärker von der Situation abhängig als gedacht.
Für unsere Frage ist das sogar die bessere Nachricht, denn Auslagern an sich ist nicht das Problem. Menschen haben schon immer Wissen ausgelagert, in Bücher, Notizzettel und Kolleginnen, die sich besser auskennen. Schwierig wird es erst, wenn wir auslagern, was wir zum Denken brauchen.
Was in den Kopf gehört und was nicht
Die eigentliche Antwort auf die Frage der Teilnehmerin ist also keine Entweder-oder-Antwort, sondern eine Sortierfrage. Nach draußen darf, was man selten braucht, was sich schnell ändert und was sich eindeutig nachprüfen lässt: die genaue Paragrafennummer, eine Telefonnummer, die Syntax eines selten genutzten Befehls. In den Kopf gehört alles, womit man eine Antwort auf Plausibilität prüft, also Grundbegriffe, die wichtigsten Zusammenhänge, typische Fehler und Größenordnungen. Kurz gesagt: Die Zahl darf in die KI, aber das Gefühl, dass die Zahl nicht stimmen kann, muss in den Kopf.
Was du im Seminar daraus machst
Kernwissen benennen. Mach für jede Einheit transparent, welche fünf bis sieben Begriffe und Zusammenhänge in den Kopf gehören, und sag dazu, warum. Was nachschlagbar ist, darf ausdrücklich nachgeschlagen werden. Das nimmt der Frage der Teilnehmerin den Stachel.
Abrufen statt nachschlagen üben. Was ins Langzeitgedächtnis soll, muss mehrfach aktiv hervorgeholt werden, in Quizrunden, beim Erklären und beim Anwenden. Wie Vergessen funktioniert und was dagegen hilft, steht in Warum vergessen wir so schnell?
Den Wert von Wissen spürbar machen. Gib der Gruppe eine KI-Antwort mit eingebautem Fehler. Wer das Kernwissen hat, findet ihn, wer es nicht hat, findet ihn nicht. Eine bessere Antwort auf „Warum soll ich das wissen?“ gibt es kaum.
Begriffe vor dem Prompt. Bevor die Gruppe mit KI recherchiert, klärt sie die zentralen Fachbegriffe. Wer die Begriffe kennt, stellt bessere Fragen und versteht die Antworten.
Die Frage ernst nehmen. Die Teilnehmerin hat keine dumme Frage gestellt, sondern die wichtigste. Antworte ihr nicht mit Pflicht, sondern mit einem kleinen Experiment: dieselbe KI-Antwort, einmal ohne und einmal mit Grundwissen bewertet.
Was die Forschung trägt – und was nicht
Dass Wissen im Langzeitgedächtnis die Grundlage für Verstehen und Denken ist, gehört zu den am besten belegten Befunden der Kognitionspsychologie, und der Schachbefund von Chase und Simon wurde vielfach bestätigt, auch in anderen Fachgebieten. Die anderen Studien haben Grenzen. Recht und Leslie untersuchten eine kleine Gruppe Jugendlicher, die Microsoft-Studie betrifft Websuche und nicht KI, und dass sich ihr Befund auf das Fragen an eine KI überträgt, liegt nahe, ist aber nicht gemessen. Prather und sein Team haben 21 Studierende sehr genau beobachtet, ihre Studie ist aber qualitativ und kein Experiment mit Vergleichsgruppen. Die Sortierung, was in den Kopf gehört und was nicht, ist eine didaktische Faustregel, abgeleitet aus diesen Befunden. Sie ersetzt nicht dein Urteil über dein Fach und deine Gruppe.
Fazit
„Warum soll ich das noch wissen?“ ist keine Provokation, sondern die wichtigste Frage, die eine Teilnehmerin 2026 stellen kann. Die Antwort darauf ist nicht „Weil es so ist“, sondern: „Weil die KI zwar alles weiß, aber nur du merkst, wenn sie sich irrt.“ Wissen im Kopf ist kein Gegenspieler der KI. Erst damit lässt sie sich überhaupt sinnvoll nutzen.
Lust, das mit deinem Team zu durchdenken?
Wie Wissen nachhaltig im Gedächtnis ankommt, ist Thema meines Formats Zukunftslernen. Was im Gehirn passiert, wenn wir Denken an KI abgeben, zeige ich in der Keynote Gehirn vs. KI.
Anfrage stellen · 20 Minuten Austausch vereinbaren
Passend dazu: KI und Lernen: Warum wir jetzt Regeln fürs Denken brauchen, Warum vergessen wir so schnell? und Wie Lernen im Gehirn wirklich entsteht
Literatur
Aktuelle Studien
- Prather, J., Reeves, B. N., Leinonen, J., MacNeil, S., Randrianasolo, A. S., Becker, B. A., Kimmel, B., Wright, J., & Briggs, B. (2024). The widening gap: The benefits and harms of generative AI for novice programmers. Proceedings of the ACM Conference on International Computing Education Research (ICER 2024). arxiv.org/abs/2405.17739 (USA, Finnland, Irland)
- Camerer, C. F. et al. (2018). Evaluating the replicability of social science experiments in Nature and Science between 2010 and 2015. Nature Human Behaviour, 2(9), 637–644. doi.org/10.1038/s41562-018-0399-z (international)
- Hesselmann, G. (2020). No conclusive evidence that difficult general knowledge questions cause a „Google Stroop effect“. A replication study. PeerJ, 8, e10325. doi.org/10.7717/peerj.10325 (Deutschland)
Grundlagenforschung
- Chase, W. G., & Simon, H. A. (1973). Perception in chess. Cognitive Psychology, 4(1), 55–81. doi.org/10.1016/0010-0285(73)90004-2 (USA)
- Recht, D. R., & Leslie, L. (1988). Effect of prior knowledge on good and poor readers‘ memory of text. Journal of Educational Psychology, 80(1), 16–20. doi.org/10.1037/0022-0663.80.1.16 (USA)
- Willingham, D. T. (2007). Critical thinking: Why is it so hard to teach? American Educator, 31(2), 8–19. (USA)
- White, R. W., Dumais, S. T., & Teevan, J. (2009). Characterizing the influence of domain expertise on web search behavior. Proceedings of WSDM 2009, 132–141. doi.org/10.1145/1498759.1498819 (USA)
- Sparrow, B., Liu, J., & Wegner, D. M. (2011). Google effects on memory: Cognitive consequences of having information at our fingertips. Science, 333(6043), 776–778. doi.org/10.1126/science.1207745 (USA)