KI macht Arbeit einfacher. Aber macht sie sie auch besser?

Noch nie war es so einfach, in wenigen Sekunden ein professionell wirkendes Ergebnis zu produzieren. Eine Analyse. Ein Konzept. Eine Präsentation. Eine Strategie. Einen Text. Ein Prompt genügt und generative KI liefert. Doch professionell wirkend ist nicht dasselbe wie professionell erarbeitet. Und ein plausibles Ergebnis ist noch lange kein gutes Ergebnis. Die entscheidende Frage lautet deshalb nicht nur: Was kann KI für uns erledigen? Sondern auch: Wie arbeiten wir mit KI, damit tatsächlich bessere Ergebnisse entstehen?

Garbage in, garbage out – stimmt das noch?

Aus der Informatik kennen wir das Prinzip «Garbage in, garbage out»: Sind die eingegebenen Daten oder Anweisungen schlecht, kann auch das Ergebnis nicht gut sein. Bei generativer KI ist es etwas komplizierter geworden. Denn auch auf eine unpräzise Fragestellung kann die KI einen beeindruckend formulierten, sauber strukturierten und auf den ersten Blick überzeugenden Output liefern.

Das Problem: Das Resultat kann trotzdem oberflächlich, unvollständig oder schlicht falsch sein.

Gerade weil generative KI überzeugend kommunizieren kann, wird es anspruchsvoller, die Qualität eines Ergebnisses zu beurteilen. KI macht es einfacher, ein Ergebnis zu produzieren. Sie macht es nicht automatisch einfacher, ein gutes Ergebnis zu produzieren.

Der gute Prompt ist erst der Anfang

Viel wird darüber gesprochen, wie man richtig promptet. Tatsächlich macht es einen erheblichen Unterschied, ob wir einer KI eine allgemeine Aufgabe stellen oder ihr Ziel, Kontext und Erwartungen mitgeben. Doch die Suche nach dem perfekten Prompt greift zu kurz. Auch OpenAI empfiehlt, die Arbeit mit generativer KI als iterativen Prozess zu verstehen: eine Aufgabe klar formulieren, relevanten Kontext liefern, das Ergebnis prüfen und mit weiteren Fragen verfeinern. Der entscheidende Unterschied liegt deshalb möglicherweise weniger zwischen guten und schlechten Prompts als zwischen zwei Arten, KI zu nutzen.

Nutzen wir KI als Erfüllungsgehilfen oder als Sparringspartner?

Aufgabe erledigen oder Denken erweitern?

Nehmen wir ein Beispiel. Wir können KI auffordern «Erstelle eine Marketingstrategie für ein neues Bildungsangebot». Wenige Sekunden später liegt eine sauber strukturierte Strategie vor. Aufgabe erledigt? Vielleicht.

Wir können KI aber auch mit unserer Ausgangslage konfrontieren. Wir können unsere bisherigen Annahmen nennen und sie auffordern, diese zu hinterfragen. Wir können fragen, welche Informationen fehlen. Gegenargumente verlangen. Alternative Erklärungen entwickeln lassen. Risiken suchen. Einen Vorschlag kritisieren und anschliessend verbessern lassen. Und wir können widersprechen. Damit verändert sich die Rolle von KI grundlegend.

• Im ersten Fall nutzen wir sie primär, um schnellen Output zu produzieren.
• Im zweiten Fall nutzen wir sie, um unser eigenes Denken herauszufordern und weiterzuentwickeln.

KI wird so vom Output-Generator zum Sparringspartner.

Wer KI nutzt, muss ihre Ergebnisse beurteilen können

Eine 2025 veröffentlichte Studie von Microsoft Research und der Carnegie Mellon University untersuchte 936 konkrete Anwendungsfälle generativer KI von 319 Wissensarbeiter. Dabei zeigte sich: Je stärker die Befragten der KI vertrauten, desto weniger hinterfragten sie deren Ergebnisse.

Das ist nachvollziehbar. Wenn KI uns einen ersten Entwurf, eine Analyse oder einen Lösungsvorschlag abnimmt, müssen wir weniger Zeit in die eigentliche Erstellung investieren. Dafür wird etwas anderes wichtiger: Wir müssen beurteilen können, ob das Ergebnis stimmt, zur Aufgabe passt und wichtige Aspekte berücksichtigt. Kritisches Denken verschwindet also nicht. Es verlagert sich.

Weniger vom «Wie erstelle ich eine Lösung?» hin zu Fragen wie:

• Ist das Ergebnis plausibel?
• Fehlt eine wichtige Perspektive?
• Sind die Annahmen richtig?
• Passt die Antwort zu meinem konkreten Kontext?
• Kann ich mich auf diese Aussage verlassen?

Genau darin liegt die Herausforderung: Je überzeugender KI antwortet, desto leichter ist es, ein Ergebnis ungeprüft zu übernehmen. Deshalb braucht gute KI-Nutzung nicht weniger, sondern andere Formen des kritischen Denkens.

KI-Kompetenz ist mehr als Tool-Kompetenz

Auch die UNESCO versteht KI-Kompetenz deutlich breiter als die Fähigkeit, ein bestimmtes Tool bedienen zu können. Dazu gehören unter anderem ein grundlegendes Verständnis von KI, die kritische Beurteilung ihrer Ergebnisse sowie ein verantwortungsvoller Umgang mit der Technologie.

Für die berufliche Praxis lassen sich daraus drei zentrale Fähigkeiten ableiten:

• Prompt-Kompetenz: Kann ich mein Problem präzise formulieren, relevanten Kontext geben und deutlich machen, was ich erreichen möchte?
• Dialog-Kompetenz: Arbeite ich mit dem ersten Ergebnis weiter? Stelle ich Rückfragen, fordere Alternativen und Gegenargumente und lasse ich meine eigenen Annahmen hinterfragen?
• Urteilskompetenz: Besitze ich genügend Fachwissen und Kontextverständnis, um beurteilen zu können, ob das Ergebnis plausibel, relevant und richtig ist?

Gerade die dritte Fähigkeit dürfte entscheidend werden.

Wenn KI so viel weiss, wozu müssen wir dann noch lernen?

Diese Frage liegt nahe. Wenn eine KI innerhalb von Sekunden Informationen zusammentragen, Zusammenhänge erklären und Lösungsvorschläge entwickeln kann: Warum müssen Menschen selbst noch so viel wissen? Vielleicht gerade deshalb. Denn Fachwissen bekommt im KI-Zeitalter eine zusätzliche Funktion.

Wir brauchen Wissen nicht nur, um selbst Antworten zu produzieren. Wir brauchen Wissen, um die Antworten der KI beurteilen zu können.

Wer wenig über ein Thema weiss, kann einen KI-Output zwar lesen. Aber kann diese Person erkennen, wenn eine wichtige Perspektive fehlt? Wenn zwei Dinge miteinander verwechselt werden? Wenn eine Schlussfolgerung zwar plausibel klingt, fachlich aber nicht trägt? Die Verfügbarkeit von Antworten macht Urteilsfähigkeit nicht überflüssig. Sie macht sie wertvoller.

Die wichtigste KI-Fähigkeit könnte deshalb eine sehr menschliche sein

Generative KI verändert unsere Arbeit. Viele Aufgaben werden schneller und einfacher. Das eröffnet enorme Möglichkeiten. Aber Geschwindigkeit ist kein Qualitätskriterium. Die Qualität unserer Arbeit wird auch künftig davon abhängen, ob wir ein Problem verstehen, Zusammenhänge erkennen, relevante Fragen stellen, Informationen beurteilen und Verantwortung für Entscheidungen übernehmen können.

Gute KI-Nutzung bedeutet deshalb nicht, möglichst viel Denken an eine Maschine abzugeben. Sie bedeutet, mit Hilfe der Maschine besser zu denken. Vielleicht ist die wichtigste Fähigkeit im Umgang mit KI deshalb am Ende gar nicht das Prompten. Sondern zu wissen, wann wir nachfragen müssen.

An der KV Luzern Berufsakademie beschäftigen wir uns intensiv mit der Frage, welche Kompetenzen Menschen in einer sich schnell verändernden Arbeitswelt benötigen. In unserer Serie «Arbeiten und Lernen im KI-Zeitalter» beleuchten wir Entwicklungen, die Weiterbildung, Berufe und Karrierewege verändern.

Quellen & weiterführende Informationen

Microsoft Research / Carnegie Mellon University: The Impact of Generative AI on Critical Thinking
Scientific Reports: Human-generative AI collaboration enhances task performance but undermines human's intrinsic motivation
UNESCO: AI Competency Framework for Students
NIST: Artificial Intelligence Risk Management Framework
OpenAI: Prompt Engineering Best Practices