Einleitung
Im April 2026 veröffentlichte Enrique Dans einen Text mit dem Titel „Denken ermüdet" (im spanischen Original Pensar cansa). Seine These war schlicht und beunruhigend: Wir beginnen, KI meist nicht zu nutzen, um besser zu denken, sondern um dem Denken zu entgehen. Dans führte das auf eine Neigung zurück, die manche Forscher „kognitive Kapitulation" (rendición cognitiva) nennen: Wir nicken einer gut gebauten, flüssigen, selbstsicher vorgetragenen Antwort zu, kopieren sie und gehen unseres Weges. Doch dieselbe Prüfung, die wir einer Antwort von einem Menschen abverlangen würden, ersparen wir den von KI erzeugten Texten.
Mehr als der Text selbst sagten die Reaktionen aus, die auf ihn folgten und sich in seinen Kommentaren und in ähnlichen Online-Debatten wiederholten.
Vor demselben Sachverhalt trieb es die Leser an entgegengesetzte Pole, und diese Zerstreuung wiederholte sich sowohl in den Kommentaren zu jenem Text als auch in ähnlichen Online-Debatten. Ein Kommentator hielt es für falsch, die Verantwortung dem Werkzeug aufzubürden: Auch der Taschenrechner, das Buch, der Stift, die KI seien neutrale Werkzeuge; entscheidend sei die Haltung der Person dahinter. Wer lernen will, lernt auch mit einer Enzyklopädie; wer nicht will, ist selbst mit dem fortschrittlichsten Werkzeug nicht dazu geneigt. Dans' eigene Position betonte das Gegenteil: Das Werkzeug ist nicht neutral gestaltet; es ist darauf ausgelegt, Reibung zu verringern, nicht Zweifel zu erzeugen. Ein anderer Kommentator zog die Trennlinie woanders: KI könne ein kodifiziertes und diskutierbares Regelwerk mit Leichtigkeit verarbeiten, an eine im Körper und im Erlebten verwurzelte, über ein ganzes Leben hinweg gereifte Moral aber komme sie so nicht heran; und weil sie die erreichte Regel wie die unerreichte Moral mit derselben Flüssigkeit ausspricht, lässt sie den Leser diesen Unterschied kaum spüren. Ein Vierter widersprach ihnen allen: Wir hören nicht auf zu denken, wir beginnen anders zu denken.
Die eigentliche Frage ist hier nicht, wer von ihnen recht hat. Ihr geht eine andere voraus: Warum gelangen Menschen, die auf denselben Gegenstand blicken, zu so unterschiedlichen Orten? Und noch eine: Wovon erzählen diese Reaktionen eigentlich? Von der KI oder von der eigenen Position dessen, der auf sie blickt? Davon, wofür das Werkzeug gestaltet wurde, oder davon, wozu es sich bei wem verwandelt?
Die Ausgangsbeobachtung dieses Textes lautet: Jeder der Kommentare verrät, wo sein Urheber steht. Wer das Werkzeug für neutral hält und die Verantwortung an den Willen des Einzelnen bindet, spricht aus einer bestimmten Weltsicht. Wer die Verkörperung der Moral betont, legt seinen eigenen beruflichen oder philosophischen Grund offen. Wer sagt, KI eröffne lediglich eine „andere" Weise des Denkens, verteidigt die eigene Art, sie zu gebrauchen. KI wirkt weniger als der Gegenstand, auf den die Reaktion fällt, denn als eine Fläche, die die Position des Reagierenden zurückwirft.
Die These, die dieser Text vertreten wird, ist diese: Die Reaktion auf KI handelt meist nicht von der KI, sondern von der eigenen Position der Person. KI vollzieht diese Rückspiegelung in drei Modi, und der Text ist um diese drei Modi herum gebaut.
Der erste ist der Spiegel. Die Person sieht in der KI die eigene Position (ihre Kompetenz, ihr Vorrecht, ihre Tugend) und verteidigt sie; und der Inhalt ihrer Reaktion zeigt zugleich, was genau sie verteidigt.
Der zweite ist die Lupe. Wer seine Unzulänglichkeit mit KI zu verdecken sucht, kann sie nicht verdecken; denn weil er den Gegenstand nicht hinreichend kennt, kann er die flüssige und überzeugende Ausgabe des Werkzeugs nicht prüfen, nicht in sie eindringen. So wird die Unzulänglichkeit nicht verborgen, sondern vergrößert und tritt zutage. Dieselbe Lupe wirkt auch in die Gegenrichtung: Legt man ein Fundament, Material, eine gut gestellte Frage darunter, vervielfacht sie die Kapazität. Die Linse ist neutral; was trennt, ist, was man darunterlegt und mit welcher Hand, also mit welchem Fundament und welcher Ausrichtung die Person auf das Werkzeug blickt.
Der dritte ist der Lackmus. (Lackmuspapier ist ein Messmittel, das durch Farbwechsel verrät, ob die Flüssigkeit, in die es getaucht wird, sauer oder basisch ist.) Auch gutes Arbeiten mit KI ist eine Fertigkeit, und diese Fertigkeit ist größtenteils nicht kodifizierbar; sie reift durch Erfahrung und Anleitung. Gerade deshalb gleicht KI nicht an, sie trennt: Nehmen zwei Personen dasselbe Werkzeug in die Hand, kann die eine nicht, was die andere kann. Das ist eine Behauptung, die dem Diktum „KI macht alle gleich und öffnet die Expertise für alle" entgegensteht und es der Gegenprobe aussetzt, es in eine kräftig prüfbare Form bringt.
Diesen drei Linsen tritt eine vierte Schicht zur Seite: der Schild. Die Beobachtung „KI erfindet Dinge" ist technisch richtig, doch diese Feststellung kann sich in eine Ausrede verwandeln, die die Verantwortung vom Urheber auf das Werkzeug verschiebt. Wer einen Fehler gemacht hat, kann in die Neigung geraten, den Fehler an die Natur des Werkzeugs abzuschieben und so die eigene Position zu schützen.
Alles bis hierher richtet eine Linse auf andere. Das eigentliche Rückgrat des Textes liegt darin, diese Linse auf sich selbst zu richten: Die Linse ist zweiseitig. Auch die Seite, die sie führt, also die, die KI verteidigt und dem Gegenüber „du hast Angst, du wehrst dich um dein verlorenes Vorrecht" sagt, kann dieselbe Linse benutzen, um die eigene Position zu bestätigen. Jeder sieht im Spiegel den anderen und liest dessen Beweggrund; am schwersten ist es, sich selbst zu sehen. Wenn dieser Text die eigene Position (die der KI nutzenden, von ihr profitierenden Seite) nicht derselben Prüfung unterzieht, wird er zu einem Beispiel dessen, was er diagnostiziert. Deshalb wird die Linse hier nicht als Diagnosewaffe, sondern als eine geprüfte Lesart angelegt.
Zuletzt eine Grenzbestimmung: Dieser Text erhebt nicht den Anspruch, einen neuen Mechanismus entdeckt zu haben. Er bietet eine Lesart, die voneinander getrennt gebliebene Arbeiten (die meisten im Kontext von Arbeitsplatz oder Labor verblieben) wie Identitätsbedrohung, implizites Wissen, moralische Selbstdarstellung und Verantwortungslücke auf der Ebene des öffentlichen Diskurses zusammenführt. Die Originalität liegt nicht in den einzelnen Befunden, sondern in dem Rahmen, der sie zu verbinden vermag, und in der Disziplin, diesen Rahmen auch auf sich selbst anzuwenden. Die im Text angeführten Forenkommentatoren werden nicht als Personen, sondern als Positionen behandelt, keiner wird abgestempelt; denn es geht nicht darum, wer was ist, sondern darum, was die Reaktionen zeigen; unser Ziel ist nicht, recht zu behalten. Dans schließt seinen Text mit dem Satz: „Die Grenze liegt nicht in der Technologie, sondern in der Haltung." Die einzige Bedingung, die dieser Text hinzufügt, ist die, dass jene Haltung in beide Richtungen geprüft werden muss.
I. Spiegel: Um wen geht es bei der Reaktion?
Um die Reaktion auf KI zu entschlüsseln, kann ein Begriff aus der Forschung zu Informationssystemen hilfreich sein: die „Identitätsbedrohung". Mirbabaie und Kollegen geben, eine Definition von Craig und Kollegen aufgreifend, sie so wieder: die Erwartung, dass die Nutzung eines Informationstechnologie-Produkts den Selbstüberzeugungen des Einzelnen schaden werde (Mirbabaie et al., 2021, S. 75). Der Mechanismus ist schlicht: Wenn eine Erfahrung mit der Identität einer Person in Widerspruch gerät, erleidet sie einen Verlust an Selbstwert und wird tätig, um den an jene Identität gebundenen Selbstwert zu schützen; diese Handlung nimmt meist die Form von Widerstand an (ebd., S. 77).
Entscheidend ist der Gegenstand der Bedrohung. Bedroht ist meist nicht die Arbeit oder das Einkommen der Person, sondern die Antwort, die sie auf die Frage „Wer bin ich?" gibt. Die von Mirbabaie und Kollegen am Arbeitsplatz durchgeführte Studie findet drei Prädiktoren KI-bedingter Identitätsbedrohung: die Veränderung der Arbeit, den Verlust der Statusposition und die Identität, die die Person mit KI eingeht (Mirbabaie et al., 2021, S. 73). Alle drei betreffen weniger den materiellen Verlust als die Position.
Bankins und Kollegen verorten dieselbe Bedrohung auf Gruppenebene. Für sie ist die berufliche Identität die gemeinsame Antwort einer Berufsgruppe auf die Fragen „Wer sind wir; wo liegen die Grenzen unserer Expertise, was sind unsere Werte?" (Bankins et al., 2024, S. 164). Ist diese gemeinsame Antwort stark, absorbiert sie das Werkzeug: Berufe mit tief verwurzelter, klar definierter Identität erproben neue Technologien gelassener, denn starke geteilte Annahmen machen das Risiko der Veränderung annehmbar. Ist die Identität aber schwach oder unklar, wird dasselbe Werkzeug als Bedrohung empfangen.
Von hier führt ein kontraintuitiver Befund zur Kernbeobachtung dieses Essays. Wer am meisten Widerstand leistet, ist nicht der Unzulänglichste. Die von Bankins und Kollegen zusammengetragenen Arbeiten zeigen, dass Personen mit hoher Fachexpertise algorithmischen Empfehlungen stärker widerstehen: teils weil sie, da sie für das von der KI erzeugte Ergebnis selbst geradestehen müssen (die Ausgabe eignen sie sich an), ihr nicht blind vertrauen, sondern prüfen wollen; teils weil sie die eigenen Fähigkeiten denen des Werkzeugs überlegen halten und glauben, sein Gebrauch bringe wenig (Allen & Choudhury, 2022, zitiert nach Bankins et al., 2024, S. 164). Nicht Unzulänglichkeit, sondern die Wahrnehmung von Expertise steigert den Widerstand.
Hier liegt der Kern des Spiegels. Der Widerstand verrät weniger über eine Eigenschaft der KI als über die Position dessen, der widersteht: über die Expertise, die man zu besitzen glaubt, und das Vorrecht, das sie verleiht. Die Heftigkeit der Reaktion misst den subjektiven Wert des Geschützten. Dass ein Werkzeug mit den Worten „das kann es nicht, was ich mache" zurückgewiesen wird, entspringt oft weniger der Grenze jenes Werkzeugs als der Bedeutung, die der Sprechende der eigenen Fertigkeit beimisst.
Diese Literatur entstand am Arbeitsplatz, doch das Muster zeigt sich auch in der öffentlichen Debatte. Wenn unter einem Technologietext derselbe die einen „endlich das, was die Denklast erleichtert" und die anderen „eine Bedrohung, die den Menschen verflacht" nennen, dann rührt diese Trennung oft nicht von dem her, was das Werkzeug tut, sondern davon, wohin die Beteiligten die eigene Arbeit und Identität setzen. Eine in solchen Debatten häufige Beobachtung zeigt, dass wir KI großartig finden, wenn sie sich nicht irrt, und sie „ohnehin dumm" nennen, wenn sie sich irrt; unsere Bewertung des Werkzeugs ist oft der Spiegel unserer eigenen Erwartung und der Frage, ob sie erfüllt wurde.
Eine letzte Unterscheidung, denn dieser Abschnitt wird am leichtesten missverstanden. Dass der Inhalt der Reaktion die Position der Person verrät, heißt nicht, jene Reaktion als „Komplex", „Neid" oder „Angst" abzustempeln. Ein solches Etikett hieße, das Argument des Reagierenden nicht nach seinem Inhalt, sondern nach seinem Beweggrund zu beurteilen, was eine eigene Art von Fehler ist und im Abschnitt V behandelt wird. Die Behauptung hier ist maßvoller: Die Reaktion auf KI trägt weniger Information über eine objektive Eigenschaft des Werkzeugs als über die eigene Position des Reagierenden gegenüber KI. Der Spiegel sagt nicht, was die Person ist; er zeigt, wohin sie blickt.
II. Lupe: Der Versuch zu verdecken enthüllt
Der Spiegel sagte, der Inhalt der Reaktion verrate die Position. Die Lupe geht einen Schritt weiter: Sie macht nicht nur die Reaktion, sondern die Arbeit selbst sichtbar. Der Kern der Metapher liegt in ihrer Neutralität. Die Lupe vervielfacht, was man unter sie legt; legt man Unzulänglichkeit hin, die Unzulänglichkeit, legt man Fundament hin, das Fundament. Was diese voneinander trennt, ist nicht die Linse selbst, sondern was man darunterlegt und wie die Hand, die sie hält, sie führt. Dieser Abschnitt verfolgt die eine Richtung der Linse, wie der Versuch zu verdecken sich verkehrt; die andere, die die Kapazität vervielfacht, wird später über die Frage, warum dasselbe Werkzeug in zwei Händen ein anderes Ergebnis liefert, an den Lackmus-Abschnitt anknüpfen.
Der Mechanismus scheint schlicht, verknotet sich aber an einer kontraintuitiven Stelle. Die Ausgabe der KI ist flüssig, geordnet und in selbstsicherem Ton. Diese drei Eigenschaften sind unabhängig von der Richtigkeit des Inhalts, doch der Mensch liest sie meist wie ein Zeichen für Richtigkeit. Buçincas und Kollegen Experiment maß genau diesen Punkt: Der Entscheidung der KI eine Begründung beizufügen, steigert das Vertrauen des Nutzers in sie. Und dieses Vertrauen steigt sogar dann, wenn die KI sich irrt; genau hier entsteht das übermäßige Vertrauen (Buçinca et al., 2021, S. 2). Was die Forscher „übermäßiges Vertrauen" (overreliance) nennen, erhält hier eine technische Bestimmung: die Neigung des Nutzers, dem Vorschlag der KI dennoch zu folgen, obwohl er falsch oder ungeeignet ist (ebd.). Passi und Vorvoreanus institutionelle Übersicht, die etwa sechzig Arbeiten sichtet, sieht dasselbe Muster in größerem Rahmen: Erklärungen steigern das Vertrauen nicht nur in richtige, sondern selbst in falsche Vorschläge, Automatisierungsverzerrung und Trägheit treiben den Nutzer in den Fehler (Passi & Vorvoreanu, 2022).
Diese Neigung wird zu einem messbaren Verhalten. Shaws und Naves drei präregistrierte Experimente fanden, dass die Teilnehmer, wenn sie die KI zurate zogen und die KI sich irrte, den falschen Rat in hohem Maße übernahmen (in der ersten Studie 79,8 % der konsultierten fehlerhaften Versuche; in der zweiten 74,6 % und unter Zeitdruck in der dritten 72,3 %; Shaw & Nave, 2026, S. 22, 28). Die Autoren betonen eine Bedingung: Diese Quote hängt damit zusammen, ob man in jener Frage überhaupt beschließt, die KI zu konsultieren, denn die Konsultationsquote selbst liegt um die fünfzig Prozent. Nicht jeder kapituliert also bei jeder Frage; aber wo kapituliert wird, wird der Fehler weitgehend übernommen. Das Nettoergebnis ist ein Rückgang der Genauigkeit: Hat die KI recht, gewinnen die Teilnehmer etwa fünfundzwanzig Punkte, irrt sie sich, verlieren sie fünfzehn (Cohen's h = 0,81; ebd., S. 22). Der Name, den die Autoren diesem Muster geben, deckt sich mit dem Begriff, den auch Enrique Dans verwendet: kognitive Kapitulation.
Eine in Technikforen alltagssprachlich wiederkehrende Beobachtung beschreibt denselben Mechanismus: Wenn man das ganze Denken an das Fragenstellen an die KI abtritt, wird der Geist außer Kraft gesetzt; dabei ist Fragen kein Denken, das eigentliche Denken liegt im Bauen der Antwort. Das ist die alltägliche Beschreibung eines Nachlassens der Selbstkontrolle. Die Person wird der Mühe enthoben, die eigene Antwort zu erzeugen, doch diese Mühe war zugleich die Gelegenheit, die Antwort zu prüfen.
Bis hierher bereitet sich vor, warum der Versuch zu verdecken nicht gelingt. Hier ist eine Unterscheidung nötig: Der flüssigen Ausgabe zu sehr zu vertrauen ist eine verbreitete Neigung; ihr das Wissen zu fehlen, das sie prüfen könnte, ist eine andere Lage; das eine ist Nachlässigkeit, das andere Unmöglichkeit. Wer seine Unzulänglichkeit mit KI zu verdecken sucht und die flüssige Ausgabe, weil ihm das prüfende Wissen fehlt, so übernimmt, wie sie ist, dem wird die Unzulänglichkeit nicht verdeckt, sondern im Gegenteil vergrößert. Denn die verdeckte Lücke tritt in die Ausgabe ein, und wenn die Ausgabe öffentlich wird, wird auch die Lücke mit ihr sichtbar. Das deutlichste Beispiel kam aus dem Recht: In einem vielgehörten Fall wurde ein Anwalt mit Sanktionen belegt, weil er von der KI erfundene, fiktive Fälle in seinen Schriftsatz aufgenommen hatte, weitere folgten (Magesh et al., 2024, S. 2, in der dortigen Wiedergabe). Der eigentliche Beitrag von Magesh und Kollegen ist nicht, diesen Fall zu erwähnen, sondern zu messen, wie häufig eigens für das Recht gestaltete KI-Werkzeuge erfinden: Spezialisierte Rechtswerkzeuge erzeugen in 17 % bis 33 % der Abfragen Halluzinationen, das leistungsstärkste Werkzeug beantwortet 65 % der Abfragen richtig, während ein anderes bei 42 % bleibt und fast doppelt so oft erfindet (ebd., S. 1). Die Flüssigkeit des Werkzeugs ist konstant, seine Zuverlässigkeit nicht; wer beide nicht unterscheidet, dokumentiert die Lücke, die er verdecken wollte.
Warum korrigiert sich dieser Kreislauf nicht von selbst? Krugers und Dunnings klassischer Befund passt hierher: Unzulänglichkeit mindert zwei Fähigkeiten zugleich, die Fähigkeit, die Sache zu tun, und die Fähigkeit, zu bemerken, dass man sie schlecht tut. Wer im untersten Viertel lag, hielt sich, während er tatsächlich im 12. Perzentil war, für das 62. Perzentil (Kruger & Dunning, 1999, S. 1121). Genau diese metakognitive Blindheit führt dazu, dass gerade der, der am meisten aufs Verdecken angewiesen ist, am wenigsten sieht, dass die Decke nichts verdeckt. Deshalb ist die Lupe erbarmungslos: die Lücke, die sie am stärksten vergrößert, ist die, deren ihr Besitzer sich am wenigsten bewusst ist. Auch der langfristige Preis wird gemessen. Gerlichs Studie mit 666 Teilnehmern findet zwischen häufiger KI-Nutzung und kritischer Denkfähigkeit einen starken negativen Zusammenhang (r = −0,68), zwischen kognitiver Auslagerung und kritischem Denken einen noch stärkeren negativen (r = −0,75). In der multiplen Regression absorbierte die KI-Nutzung das kritische Denken negativ (β = −1,76, p < 0,001; Gerlich, 2025a, S. 14, 16). Das ist ein korrelatives Bild, das für sich keine Kausalität begründet; es zeigt aber eine Anhäufung in der Richtung, die die Lupen-Metapher erwartet. Zwei weitere Arbeiten stärken dieses Bild. Die erste zeigt, dass das Muster nicht auf Studierende oder das Labor beschränkt ist: Lee und Kollegen befragten 319 Wissensarbeiter zu 936 realen Fällen, in denen sie KI bei der Arbeit nutzten, und analysierten jeden einzeln. Der Befund übersetzt die Intuition der Lupe von der „haltenden Hand" in einen gemessenen Koeffizienten. Je größer das Vertrauen in die KI, desto seltener setzt kritisches Denken ein (β = −0,69, p < 0,001); dagegen steigern das Vertrauen in die eigene Aufgabe (β = 0,26) und das Vertrauen in die Bewertung der KI-Antwort (β = 0,31) das kritische Denken, die stärkste positive Wirkung liegt in der Neigung zur Reflexion (β = 0,52, p < 0,001; Lee et al., 2025). Entscheidend ist nicht das Vorhandensein des Vertrauens, sondern seine Richtung: Dem Werkzeug hingegebenes Vertrauen mindert das Denken, während auf sich selbst und die Prüfung gerichtetes Vertrauen es steigert. Die zweite schließt die Kausalschuld teilweise. Die experimentelle Arbeit desselben Autors verglich in drei Ländern (Deutschland, Schweiz, Vereinigtes Königreich) mit 150 Teilnehmern vier Bedingungen (nur Mensch, Mensch plus KI ohne Anleitung, Mensch plus KI mit strukturierter Führung, nur KI): Der Gebrauch ohne Anleitung erzeugte kognitive Auslagerung, ohne die Qualität des Denkens zu steigern, während strukturierte Führung sowohl das kritische Denken als auch die reflektierende Beteiligung signifikant steigerte (Gerlich, 2025b). Der Unterschied lag nicht im Werkzeug selbst, sondern in der Art des Gebrauchs; der Richtungspfeil, den die Korrelation nicht ziehen konnte, zeigt sich dort, wohin der experimentelle Arm weist.
Nun muss die Linse gewendet werden, denn der Anspruch auf Neutralität hält nur stand, wenn auch das Gegenteil gezeigt wird. Liegt unter derselben flüssigen Ausgabe keine Lücke, sondern Fundament, Material, eine gut gestellte Frage, so vergrößert die Lupe die Kapazität. In denselben Debatten kommt auch die gegenteilige Erfahrung zur Sprache: Ein erfahrener Nutzer berichtet, er nutze KI als kognitiven Verstärker, lerne mit ihr viel schneller, sei aber für nichts von ihr abhängig. Der Unterschied zwischen den beiden Polen liegt nicht im Werkzeug selbst, sondern im daruntergelegten Material und in der haltenden Hand. Dieselbe Kritik richtet sich auch an das Design des Experiments: Was solche Studien zeigen, ist nicht, dass KI das Gehirn zersetzt, sondern dass sie zu einem Messinstrument wird, das Menschen in ihren möglichst unfähigsten Zuständen erwischt.
Dieses Doppelgesicht erinnert auch daran, dass das, was das Werkzeug verringert, nicht immer ein Gewinn ist. Eines der Dinge, die KI am stärksten verringert, ist Reibung: die Mühe, vor einem Problem festzuhängen und fortwährend zu versuchen und zu irren. Kapurs Arbeit zum „produktiven Scheitern" (productive failure) zeigt jedoch, dass das stützungslose Ringen der Lernenden mit einem schweren Problem kurzfristig wie ein Scheitern aussieht, in der Folge aber eine Tiefe erzeugt, die die KI-gestützt Lernenden übertrifft (Kapur, 2008). Dieselbe Unterscheidung hat eine neue empirische Entsprechung: In Fans und Kollegen randomisiertem Experiment mit 117 Studierenden ging die ChatGPT-Gruppe beim kurzfristigen Testergebnis in Führung, zeigte aber bei Wissenserwerb und Transfer keinen signifikanten Unterschied; das Muster, das die Autoren „metakognitive Faulheit" nennen, besteht darin, dass der Wert an der Oberfläche steigt, während sich in der Tiefe nichts ändert (Fan et al., 2025). Ein Gebrauch, der die Reibung ganz tilgt, kann auch diese verborgene Produktivität tilgen; und darum muss die haltende Hand unterscheiden, welche Reibung eine abzuwerfende Last und welche eine zu bewahrende Gelegenheit ist.
Die Unterscheidung hier ist nicht mit einem benachbarten Begriff der Literatur zu verwechseln. Ehsan und Kollegen sagen, KI trage ein „Verstärker-Paradox" (engl. AI-as-Amplifier Paradox) in sich: Das Werkzeug stärkt die Leistung und höhlt zugleich die darunterliegende Expertise aus, zugleich Verstärker und Auflöser (Ehsan et al., 2026, S. 1). Die Achse jenes Paradoxes verläuft zwischen Werkzeug und Expertise, zwischen Stärkung und Aushöhlung. Die Lupe, die dieser Text verwendet, weist dagegen in eine andere Richtung: darauf, dass die Linse die eigene Position der Person, das darunter Gelegte vergrößert. Die beiden widersprechen sich nicht, sie arbeiten auf verschiedenen Ebenen; Ehsans Paradox nährt die negative Richtung dieses Abschnitts (die Aushöhlung der Kompetenz), doch die Frage, wie sehr die Linse die Eingabe vergrößert, kommt in ihrem Rahmen nicht vor. Tatsächlich lassen sich die beiden Lupen als die zwei Enden einer Kette lesen. Ehsans Lupe wirkt in Richtung der Zeit: Die Expertise dessen, der das Werkzeug fortwährend nutzt, höhlt sich langfristig aus, oft unbemerkt. Die Lupe dieses Textes wirkt in Richtung des Augenblicks: Die Unzulänglichkeit oder das Fundament, das die Person dem Werkzeug in diesem Moment mitbringt, wird in der Ausgabe sogleich sichtbar. Die beiden widersprechen sich nicht, sie folgen aufeinander; wer seine Unzulänglichkeit mit dem Werkzeug verdeckt, wird kurzfristig enthüllt, und je länger dasselbe Verdecken andauert, desto mehr verliert er auch seine eigentliche Fertigkeit. Enthüllung und Aushöhlung sind die kurz- und langfristigen zwei Gesichter derselben Abhängigkeit.
So fällt die Lupe kein eigenes Urteil, sie schärft eine Frage: Was liegt unter der Linse, und was tut die Hand, die sie hält? Diese Frage führt uns dorthin, warum dasselbe Werkzeug in den Händen zweier Personen ein so unterschiedliches Ergebnis liefert, also zum „Lackmus"-Abschnitt.
III. Lackmus: KI gleicht nicht an, sie trennt
Taucht man Lackmuspapier in eine Lösung, wechselt es die Farbe; die Farbe, die es annimmt, verrät, was die Lösung ist. Genau das ist die Aufgabe der Metapher: Gelangt KI zwei Personen auf gleiche Weise in die Hand, führt sie diese nicht an denselben Ort, sondern macht den Unterschied zwischen ihnen sichtbar. Die These dieses Abschnitts benennt, woher jener Unterschied kommt. Auch gutes Arbeiten mit KI ist eine Fertigkeit, und diese Fertigkeit ist größtenteils nicht kodifizierbar und wechselt auch nicht leicht die Hand; sie findet sich weder im Werkzeug selbst noch in einer Anleitung vollständig, sondern wird durch Erfahrung und Anleitung erreichbar. Gerade deshalb gleicht KI sie nicht an, sie trennt.
Weil diese Behauptung einem sehr verbreiteten Diktum entgegensteht, muss man dieses Diktum mit seinen stärksten Belegen konfrontieren. Die These „KI macht alle gleich und öffnet die Expertise für alle" ist kein Slogan, sondern eine These mit ernsthafter Feldevidenz. In Noys und Zhangs präregistriertem Experiment, in dem Hochschulabsolventen Schreibaufgaben erhielten und die eine Hälfte mit Zugang zu KI ausgestattet wurde, steigt die durchschnittliche Produktivität deutlich: Die aufgewendete Zeit sinkt um 0,8 Standardabweichungen, die Qualität der Ausgabe steigt um 0,4 Standardabweichungen, und auch die Ungleichheit zwischen den Arbeitenden nimmt ab, weil das Werkzeug den gering Befähigten am meisten nützt (Noy & Zhang, 2023). Brynjolfssons, Lis und Raymonds Studie mit 5.172 Kundendienstmitarbeitern weist in dieselbe Richtung: KI-Zugang steigert die Produktivität im Schnitt um 15 %, doch der Gewinn verteilt sich nicht gleich, im untersten Kompetenzsegment steigt er auf 36 %, bei den unerfahrensten Mitarbeitern ist er am höchsten (Brynjolfsson et al., 2025, S. 889, 911). Auch Dell'Acquas und Kollegen Feldexperiment mit Beratern bestätigt die angleichende Richtung: Wer unter dem Durchschnitt lag, verbesserte sich um 43 %, wer darüber lag, um 17 %, die Schere schließt sich also (Dell'Acqua et al., 2023). Auch im öffentlichen Diskurs hat diese These ihre Stimme. Ein in Technikdebatten häufiger Einwand wendet sich an die Fachleute des Feldes und sagt: Ich kenne das Grundlegende dieses technischen Feldes hinaus nicht und es interessiert mich nicht, mich interessiert, was ich damit anfangen kann; das Beharren auf Expertise wird oft zu einem intellektuellen Hochmut. Diese Stimme, die vom Fall der Schranke spricht, erzählt eine wirkliche Erfahrung.
Doch in allen drei Feldstudien ist dem Angleichungsbefund eine Grenze beigefügt; und die Lackmus-These beginnt genau an dieser Grenze. Dell'Acquas Experiment verwendete zwei Aufgaben: eine lag innerhalb der Fähigkeiten der KI, die andere außerhalb. Die Angleichung geschah bei der ersten Aufgabe. Bei der zweiten, also der Aufgabe, die außerhalb der Grenze der KI fiel, waren die KI nutzenden Berater beim Erreichen der richtigen Lösung um 19 Punkte weniger erfolgreich als die, die sie nicht nutzten (Dell'Acqua et al., 2023). Auch Brynjolfssons Daten zeigen eine andere Seite derselben Grenze: Während die unerfahrensten Arbeiter am meisten gewinnen, erlebten die erfahrensten und höchstbefähigten einen kleinen Zugewinn an Geschwindigkeit und einen kleinen Rückgang an Qualität, der Gewinn sammelte sich am stärksten bei routinemäßigen, sich wiederholenden Fragen (Brynjolfsson et al., 2025, S. 889). Das Muster ist konsistent: Die Angleichung geschieht im kodifizierbaren, innerhalb der Grenze der KI liegenden Teil der Arbeit. Außerhalb der Grenze, also im nicht kodifizierbaren Teil der Arbeit, gleicht das Werkzeug nicht an; im Gegenteil, es führt den, der ihm vertraut und sich über seine Grenze hinauswagt, in die Irre und senkt seine Leistung. Die beiden Befunde widersprechen sich nicht, sie messen verschiedene Schichten; der eine das Innere der Grenze, der andere ihr Äußeres. Dieselbe Trennung zeigt sich auch in einem kontrollierten Experiment. Die im Lupen-Abschnitt erwähnte vierarmige Studie ist nicht nur ein Kausalbeleg, sondern auch die sauberste Laborentsprechung des Lackmus: Dasselbe Werkzeug nährte in der Hand dessen, der es mit strukturierter Führung nutzte, das kritische Denken, während es in der Hand dessen, der es ohne Anleitung nutzte, nur Auslagerung erzeugte (Gerlich, 2025b). Die von den Feldstudien angezeigte Trennung bestätigt auch eine kontrollierte Umgebung.
Was aber liegt außerhalb der Grenze? Nicht kodifizierbares Wissen. Hadjimichaels, Ribeiros und Tsoukas' von Polanyi bis Merleau-Ponty reichende Untersuchung erklärt, wie implizites Wissen erworben wird: durch die Fähigkeit des Körpers, sich an die vorliegende Aufgabe zu heften und den ihr angemessensten Zugriff zu finden. Diese Fähigkeit entwickelt sich, in den Worten der Autoren, „durch die autoritative Anleitung Erfahrenerer" (Hadjimichael et al., 2024). Ein von den Autoren betonter Punkt ist der stärkste Pfeiler der These: Keine Aufgabe, sei sie Handarbeit oder Denkarbeit, gewöhnlich oder schöpferisch, lässt sich ohne Rückgriff auf implizites Wissen vollenden (ebd.). Nicht kodifizierbare Fertigkeit ist also keine am Rand liegende Ausnahme, sondern der Kern jeder Arbeit. Diese Dimension der Anleitung öffnen Lave und Wenger noch weiter: Für sie ist Lernen kein isolierter geistiger Akt, sondern geschieht durch Teilhabe an einer Praxisgemeinschaft; der Anfänger wird an der Seite der Meister, vom Rand der Arbeit zu ihrem Zentrum fortschreitend, durch gemeinsames Tun zum Meister (Lave & Wenger, 1991). Was die Fertigkeit trägt, ist keine Anleitung und kein Frontalunterricht, sondern diese Beziehung der Teilhabe; in ihren Worten „selbst sogenanntes allgemeines Wissen nur unter bestimmten Bedingungen Kraft hat" (ebd., S. 33). Tsaos und Kollegen Übersicht der schöpferischen Berufe stellt diese Unterscheidung auf zwei Achsen: die Kodifizierbarkeit des Wissens (der Übergang von implizit und verkörpert zu explizit und kodifizierbar) und die Materialität der Ausgabe; sie findet also, dass die Felder, die verkörperte Praxis voranstellen, dem KI-Ersatz am stärksten widerstehen (Tsao et al., 2026). Dieselbe Übersicht markiert die Karrierephase als bestimmenden Faktor: Berufseinsteiger empfangen KI mit Begeisterung, wie eine natürliche Verlängerung digitaler Werkzeuge, während erfahrene Praktiker die Entwertung der Expertise mit Argwohn betrachten (ebd.).
Auch der individuelle Unterschied selbst wird gemessen. Lovetts Übersicht berichtet, dass Personen mit ähnlichem Hintergrund mit demselben Werkzeug zu scharf unterschiedlichen Ergebnissen gelangen und dass diese Trennlinie von der Lernzielorientierung gezogen wird: leistungsorientierte Abhängigkeit macht das Werkzeug zum Mittel des Fertigkeitsverlusts, Meisterschaftsorientierung dasselbe Werkzeug zum Mittel des Fertigkeitszuwachses (Befund von Yang et al. 2026, zitiert in Lovett 2026). Der Ausdruck „dasselbe Werkzeug" ist der Kern des Lackmus: Das Veränderliche ist nicht das Werkzeug, sondern die Ausrichtung, die es hält.
Der klarste öffentliche Ausdruck dieser Unterscheidung liegt zwischen zwei Stimmen, die in Debatten aufeinandertreffen. Die eine schildert ihre Methode: Sie lasse die KI zahlreiche Optionen erzeugen und siebe sie dann mit der eigenen Wissensbasis, wobei das ohne Vorwissen nicht möglich sei. Die Gegenstimme ist die Kehrseite der Medaille: Auch wer kein Fundament hat, wird sieben, aber im Glauben zu sieben minderwertig auswählen und dabei nie wissen, dass er einen Fehler macht. Dasselbe Werkzeug: Der Fachmann siebt, der Anfänger glaubt zu sieben. Dieselbe Unterscheidung wird auch mit Blick auf das Lernen gesetzt: Der Gebrauch des Werkzeugs durch jemanden, der die Grundlagen zuvor gelernt hat, unterscheidet sich von dem, was jemand erlebt, der bei null beginnt; ein fortgeschrittenes Thema zu lernen, während ein fertige Lösungen lieferndes Werkzeug zur Hand ist, kann das langfristige Lernen beschädigen. Der Lackmus wechselt hier die Farbe: Das in dieselbe Lösung getauchte Papier zeigt, was der Eintauchende mitbringt.
Hier gilt es, eine Verwechslung zu vermeiden. Die These des Lackmus, er „trenne", mag der in manchen Debatten geäußerten Beobachtung „KI macht alle gleichförmig" zu widersprechen scheinen. Das von Sarkar „mechanisierte Konvergenz" genannte Phänomen ist wirklich: KI-Nutzer neigen dazu, bei derselben Aufgabe weniger vielfältige Ausgaben zu erzeugen (Sarkar 2023, zitiert nach Lee et al., 2025). Doch das ist die Ähnlichkeit der Ausgaben; was der Lackmus trennt, ist der Fertigkeitsunterschied zwischen Personen. Die beiden liegen auf verschiedenen Ebenen: Während die Ausgaben an der Oberfläche konvergieren, trennt sich die Kapazität ihrer Urheber, zu sieben, zu prüfen und zu integrieren, weiter. Zudem ist Lees eigener Vorbehalt hier wertvoll: Ausgabevielfalt ist ein mangelhaftes Maß für kritisches Denken; auch wer den Vorschlag des Werkzeugs unverändert nutzt, kann durchaus ein kritisches Urteil gefällt haben. Konvergenz ist nicht das Gegenteil der Trennung, sondern ein eigenes, auf einer anderen Achse liegendes Phänomen.
Eine weitere Schuld der Ehrlichkeit: Auch der von diesem Abschnitt angedeutete Optimismus, also die Erwartung, „in guter Hand vergrößert das Werkzeug die Kapazität", ist nicht fraglos. Eine agentenbasierte Simulation, die vier Kriterien zur Unterscheidung von kognitiver Verstärkung und kognitiver Delegation vorschlägt, legt nahe, dass in keinem der getesteten Interaktionsregime eine echte Verstärkung erreicht wurde, dass selbst im gemischten Regime, das die menschliche Kapazität am meisten schont, der Kooperationsgewinn negativ blieb und dass sogar bei auf null gesenkter kognitiver Aushöhlung kein positiver Gewinn auftrat (Di Santi, 2026). Dieser Befund hat zwei Grenzen, und beide sind zu nennen: erstens ist es eine NetLogo-Simulation, keine empirische Felddaten, und der Autor selbst bezeichnet sie als eine Abstraktion; zweitens ist die dortige Definition von „Verstärkung", ob die hybride Ausgabe den besten Einzelagenten (in den meisten Fällen die KI selbst) übertrifft, nicht genau dasselbe wie die „Steigerung der eigenen Kapazität der Person", von der dieser Abschnitt spricht. Dennoch steht sie als begrenzte Warnung: Die Anwesenheit einer Hand, die aus demselben Werkzeug Produktion schöpft, bedeutet nicht, dass diese Produktion sich unter allen Umständen in einen echten kognitiven Gewinn verwandelt. Auch das ist eine Linse, die der Essay seiner eigenen optimistischen Hälfte vorhält.
Zuletzt eine Schuld der Ehrlichkeit. „Nicht kodifizierbar" heißt nicht „nicht lehrbar", und dieser Essay übernimmt jene Absolutheit nicht. Hadjimichaels Betonung sagt gerade das Gegenteil: Implizite Fertigkeit reift durch die Anleitung des Erfahrenen. Die Fertigkeit ist also keine unübertragbare Intuition, sondern übertragbar, aber nur in Begleitung des Erfahrenen und indem man es mit ihm erlebt. Was der Lackmus trennt, ist keine angeborene Begabungshierarchie, sondern ob Fundament und Ausrichtung vorhanden sind oder nicht. Diese Unterscheidung in eine Überlegenheitserklärung zu verkehren, also „wir, die sieben können, sie, die es nicht können" zu sagen, bietet die Gelegenheit, die hier gebaute Linse zum eigenen Vorteil auszulegen. Diese Verlockung ist wirklich und bindet auch den Essay selbst; der nächste Abschnitt behandelt genau diese Falle.
IV. Schild: Die Verschiebung der Verantwortung vom Urheber auf das Werkzeug
Alle drei Linsen blickten in eine Richtung: auf die eigene Position der Person. Der Schild muss ihnen als vierte Bewegung hinzugefügt werden, denn er ist keine Linse, sondern ein Mittel der Flucht vor der Linse. Der Satz „KI erfindet Dinge" ist technisch richtig; der zweite Abschnitt zeigte das mit maßvollen Daten. Doch eine richtige Beobachtung kann in ein falsches Werk gespannt werden. Jener Satz hört oft auf, eine Beschreibung zu sein, und wird zu einer Ausrede: Wer einen Fehler gemacht hat, schiebt den Fehler an die Natur des Werkzeugs ab und befreit sich von der Pflicht zur Prüfung und von der Urheberschaft am Ergebnis. Wenn sich die Beobachtung in einen Schild verwandelt, ist das, was sie schützt, nicht die Wahrheit, sondern die Position.
Der logische Fehler ist einfach, aber unsichtbar. Der Satz „Das Werkzeug kann erfinden" ist wahr; der Schluss „also ist der Fehler der Ausgabe nicht meiner" ist ungültig, denn es gibt einen Schritt, der das Band dazwischen trennt: den Urheber, der die Ausgabe übernimmt, nutzt, öffentlich macht. Um diesen Schritt sichtbar zu machen, muss man fragen, wem die Verantwortung gehören kann.
Fuchs' Untersuchung schließt dieses Ende bündig: Das Werkzeug kann keine Verantwortung tragen, denn es ist kein moralischer Akteur. KI hat keinen Körper und keine Lebendigkeit; auch wenn ihre Ausdruckskraft in uns eine unwillkürliche Empathie weckt, dürfen wir uns, in Fuchs' Worten, dieser Empathie nicht hingeben, wenn das Objekt eine hinreichend gut ausdrucksfähige und lebensähnliche Struktur ist, denn dort ist niemand, der glücklich sein, traurig sein, Rechenschaft ablegen wird (Fuchs, 2022). Fuchs' eigentliche Warnung verwandelt sich in ein Gestaltungsprinzip: Die systematische Nachahmung von Subjektivität ist zu verhindern, das System soll sich nur als das darstellen, was es ist, als eine Simulation (ebd.). Von hier tritt die morsche Stelle des Schildes hervor. Die Verantwortung der KI aufzubürden bedeutet, ihr eine Eigenschaft zuzuschreiben, die sie nicht besitzt, die Eigenschaft, „Urheber zu sein". Weil das Werkzeug kein Urheber sein kann, kann die Verantwortung nicht bei ihm bleiben, sie kehrt unweigerlich zum Menschen zurück.
Dennoch bleibt eine Frage offen: Was, wenn wirklich niemand es vorhersehen konnte? Matthias zeigt, dass es in lernenden Systemen eine echte Verantwortungslücke gibt: Wenn ein System aus Erfahrung lernt und sein Verhalten im Betrieb verändert, kann sein Hersteller oder Programmierer sein künftiges Verhalten nicht mehr vollständig vorhersehen und kontrollieren; die traditionelle Verantwortungszuschreibung aber, die verlangt, dass der Urheber die Handlung kennt und kontrollieren kann, trifft hier auf eine Lücke (Matthias, 2004). Doch entscheidend ist, wo sich diese Lücke auftut. Matthias' Lücke liegt im Vorhersageverlust des Herstellers, dessen, der das System entwirft; nicht auf der Seite des Nutzer-Urhebers, der die Ausgabe entgegennimmt, übernimmt, öffentlich macht. Der Schild verwischt genau diese Unterscheidung: Er nutzt die Unvorhersehbarkeit des Herstellers wie eine Ausrede des Nutzers, der sich die Ausgabe aneignet. Doch dass der Hersteller nicht vorhersehen konnte, hebt die Prüf- und Aneignungsverantwortung des Nutzers nicht auf.
Die von Matthias bezeichnete Lücke ist nur ein Beispiel. Santoni de Sio und Mecacci bestimmen vier verschiedene Verantwortungslücken im Zusammenhang mit KI; die erste ist die Vorwerfbarkeitslücke (culpability gap): Lagen, in denen ein Mensch ein schlechtes Ergebnis herbeiführt und dennoch eine legitime Ausrede haben kann, die niemand vernünftigerweise vorhersehen oder verhindern konnte (Santoni de Sio & Mecacci, 2021, S. 1063). Der Begriff ist legitim; doch die eigentliche Warnung der Autoren betrifft, wie diese Lücke falsch behandelt wird. Sie zählen drei unzureichende Haltungen auf: den „Fatalismus" (fatalism), der das Problem für neu und unlösbar erklärt, den „Deflationismus" (deflationism), der es für ein Scheinproblem hält und übergeht, und den „technologischen Solutionismus" (technical solutionism), der alles als durch technische Verbesserung lösbar darstellt (ebd.). Der Schild ist die alltägliche Verkleidung des ersten: „So ist das Werkzeug, da kann man nichts machen" zu sagen, heißt, einen vorhersehbaren und verhinderbaren Fehler wie ein unvorhersehbares Schicksal darzustellen. Der von den Autoren vorgeschlagene Ausweg verlangt das Gegenteil: Soziotechnische Systeme sollen für „bedeutsame menschliche Kontrolle" (meaningful human control) gestaltet werden, also den Gründen und Fähigkeiten des Menschen verpflichtet bleiben (ebd.). So bleibt der Urheber der Mensch.
Doch den Schild zurückzuweisen bedeutet nicht, das Werkzeug für neutral zu erklären; und genau hier liegt die feinste Stelle des Abschnitts. Ein starker Pol der öffentlichen Debatte sagt, das Design des Werkzeugs sei nicht unschuldig. Eine Stimme dieses Pols sagt, es gebe Nutzungsweisen, die das Gehirn erweitern, aber die Zukunft, die die Unternehmen anbieten werden, werde nicht diese sein, weil es immer profitabler sein werde, ein den Nutzer bestätigendes Modell zu betreiben. Eine andere liest den Unternehmensdiskurs selbst als Schild: Wendungen wie „solange du die Ergebnisse prüfst" seien Formulierungen, zu denen Unternehmen greifen, um für mögliche Probleme nicht verantwortlich gemacht zu werden. Dieser Pol weist auf eine berechtigte Stelle. Wie Enrique Dans in seinem eigenen Text unterstreicht, ist das Werkzeug darauf ausgelegt, Reibung zu verringern, nicht Zweifel zu erzeugen; die flüssige natürlich-sprachliche Schicht verbirgt seine Grenzen. Das Werkzeug ist in diesem Sinne mit einem Gefälle versehen. Doch hier steht eine Frage der Priorität: Ist entscheidend, wofür das Werkzeug gestaltet wurde, oder wozu es sich bei wem verwandelt? Das Gefälle des Designs ist wirklich, erklärt das Ergebnis dennoch nicht allein, denn dasselbe geneigte Werkzeug wird in der einen Hand zur Produktion, in der anderen zur Abschweifung. Dans' Feststellung, das Werkzeug sei nicht neutral, ist nicht falsch; sie beantwortet nur eine andere Frage, die nach der Unschuld des Werkzeugs. In der Frage, was das Ergebnis bestimmt, verlagert sich das Gewicht von der Designabsicht mehr auf die haltende Hand.
Zwei Wahrheiten treffen hier zusammen und umschließen den Schild von beiden Seiten: Das Werkzeug ist geneigt, der Urheber ist dennoch der Mensch. Das Gefälle löscht den Urheber nicht aus, es erschwert seine Arbeit. Das Design kann einen Nutzer zu einem flüssigen Irrtum stoßen; doch ob er diesen Irrtum sich aneignet oder nicht, ihn prüft oder nicht, ist wiederum der Akt des Urhebers. Wer die ganze Verantwortung dem Werkzeug aufbürdet (der persönliche Schild, der das nicht-neutrale Werkzeug nicht sieht), und wer sie dem Nutzer aufbürdet (der Unternehmensschild, der das Gefälle nicht sieht), stehen an den beiden Enden desselben Fehlers: Beide wollen die Last an einen Ort legen und das andere Ende unsichtbar machen. Bedeutsame menschliche Kontrolle will, dass die Verantwortung selbst bei einem geneigten Werkzeug beim Urheber bleibt; und darum nimmt sie zugleich das Gefälle des Werkzeugs und die Aufmerksamkeitsschuld des Urhebers an.
So ist der Schild in Wahrheit ein vierter Spiegel. Wer sagt „die KI hat erfunden, die Schuld liegt bei ihr", gibt Auskunft über die eigene Position: Er will das Ergebnis nicht besitzen, nimmt die Mühe der Prüfung nicht auf sich, will seinen Fehler außerhalb seiner selbst verorten. Heben wir den Schild, wird sichtbar, was dahinter geschützt wird. Doch diese Beobachtung öffnet sich sogleich einer Falle: Dieselbe Bewegung beim Gegenüber zu diagnostizieren, „sieh, er flüchtet sich in seinen Schild" zu sagen, kann auch der eigene Schild dessen sein, der diagnostiziert. Nun muss die Linse zurückkehren…
V. Die Zweiseitigkeit des Spiegels und ihre Fallen (das selbstreflexive Schloss)
Die vorigen vier Abschnitte richteten eine Linse nach außen: Sie zeigten, wie die Reaktion, der Versuch zu verdecken, die Fertigkeit, die Ausrede die Position der Person verraten. Doch diese Lesart selbst trägt eine gefährliche Kraft: Dieselbe Linse kann in der Hand dessen, der sie nutzt, zur Waffe werden. Dieser Abschnitt wendet die Linse auf den, der sie hält. Es gibt drei Fallen; doch alle drei gelten nicht nur für die „Gegenseite", sondern auch für diesen Essay.
Die erste Falle: den Ursprung mit dem Inhalt zu verwechseln. Eine Behauptung wegen der Gemütslage oder des Interesses dessen, der sie äußert, für morsch zu halten, heißt in der Logik genetischer Fehlschluss: eine Ansicht wegen ihres Ursprungs zu entwerten. Doch der Ursprung ist mit der Wahrheit der Ansicht meist belanglos (Dowden). Dass hinter der KI-Kritik einer Person eine Identitätsbedrohung liegt, macht diese Kritik nicht schon allein falsch. Der Spiegel-Abschnitt hatte das von Anfang an markiert: Die Quelle der Reaktion aufzuzeigen, tritt nicht an die Stelle einer Widerlegung ihres Inhalts. Der Satz „Du sagst das, weil du Angst hast, dein Vorrecht zu verlieren" greift nicht das Argument des Gegenübers an, sondern seinen Beweggrund; das Argument aber bleibt unabhängig vom Beweggrund richtig oder falsch. Hält dieser Essay den von ihm diagnostizierten Standpunkt für eine Widerlegungsfeststellung, verfällt er genau diesem Fehlschluss. Auch aus dieser Falle gibt es einen Ausweg: Eine Behauptung wird zuerst für sich, nach ihrem Inhalt gewogen; erst danach wendet sich die Linse dem Rest zu. Zudem wird jene Behauptung nicht in ihrer schwächsten, sondern in ihrer stärksten Gestalt aufgebaut: Der Lackmus-Abschnitt behandelte die Angleichungsthese, der er entgegentrat, nicht wie einen Slogan, sondern mit den solidesten Feldbelegen, denn nur eine in ihrer stärksten Gestalt begegnete These ist wirklich geprüft. „KI erfindet Dinge" wird zuerst für wahr gehalten, die Linse blickt auf den selektiven Gebrauch jener Wahrheit, ihre Temperatur, den Moment, in dem sie vorgebracht wird. Kehrt man die Reihenfolge um und stempelt die Behauptung von vornherein mit einem Beweggrund ab, so nimmt die Diagnose selbst diesmal die Gestalt einer Widerlegung an. Die vorigen vier Abschnitte versuchten, die Linse in dieser Reihenfolge zu halten: Der Schild hielt die Beobachtung „KI erfindet Dinge" zuerst für wahr und untersuchte ihre Verwandlung in eine Ausrede erst danach.
Die zweite Falle: die Linse zum eigenen Vorteil zu nutzen. Der Lackmus-Abschnitt zog eine Unterscheidung: Wer Fundament und Ausrichtung hat, verwandelt das Werkzeug in Fertigkeit; wer sie nicht hat, wählt blind und kann seinen Irrtum nicht bemerken. Diese Unterscheidung in eine Persönlichkeitshierarchie zu verkehren, in ein Narrativ von „wir, die Begreifenden, sie, die Unfähigen", ist der leichteste und heimtückischste Schritt, denn er stellt den Behauptenden automatisch auf die Gewinnerseite. Im öffentlichen Diskurs kursiert auch eine extreme Form dieses Narrativs: Stimmen erheben sich, die als Tafeln zeichnen, dass in Zukunft die meisten Menschen weiter zunehmend verkümmern, ein Teil sich anpasst und in einer Art „funktionaler Blindheit" lebt und ein Teil eine Immunität gegen KI entwickelt und zu einem eigenen „Schlag" wird. Das ist die Karikatur der Lackmus-These: Sie verkehrt die Trennung in eine Überlegenheit ihrer selbst, in den erlesenen Schlag, dem der Sprechende angehört. Nähert sich der Essay dieser Sprache auch nur um einen Millimeter, hat er sich geweigert, die von ihm gebaute Linse auf das eigene Gesicht zu richten. Deshalb betonte der Lackmus-Abschnitt eigens, dass die Unterscheidung keine angeborene Begabung ist, sondern ein erwerbbares Fundament und eine erwerbbare Ausrichtung.
Die dritte Falle: das Argument auf Psychologie zu reduzieren. Die Abschnitte Spiegel und Schild sagten, die Reaktion und die Ausrede verrieten eine Position. Von hier dazu überzugehen, jede Gegenansicht wie das Symptom eines psychologischen Mangels zu lesen, also „eigentlich stört ihn etwas", „eigentlich kompensiert er etwas" zu sagen, verschiebt die Debatte vom Inhalt zur Person. Dieser Essay stellt keine Personendiagnose, er darf es nicht; die Forenkommentatoren werden als Positionen genommen, nicht als Fälle. Die Linse ist ein Analysewerkzeug, das Positionen sichtbar macht, kein Diagnosegerät, das Personen abstempelt.
Diese drei Fallen binden nicht nur den, der KI verteidigt; sie binden auch den, der ihr widersteht, ja sogar den, der vor KI in Panik gerät. Man muss die Linse auch auf jene Seite richten. Nehmen wir den in letzter Zeit meistgeteilten Befund „KI zersetzt unser Gehirn". Kosmyna und Kollegen schlossen Teilnehmer, die Essays schrieben, an ein EEG an und legten nahe, dass die KI Nutzenden mit der Zeit „kognitive Schuld" anhäufen, dass ihre neuronale Konnektivität, ihr Gefühl der Urheberschaft und ihre Erinnerungsleistung sinken; das Ergebnis wurde in der Öffentlichkeit rasch zur Schlagzeile „KI beendet das Lernen" (Kosmyna et al., 2025). Doch ein ausführlicher Kommentar zu derselben Arbeit erschüttert den Befund an mehreren Stellen. Stanković und Kollegen zeigen, dass die Stichprobe im Verhältnis zur Zahl der durchgeführten Vergleiche klein war (dass, wo eine Poweranalyse etwa 159 Teilnehmer verlangt, mit 54 gearbeitet wurde), dass das EEG-Maß der „bedeutsamen Konnektivität" einen relativen Unterschied zwischen den Gruppen zeigt, der Schluss „wenig Konnektivität, schwaches Gehirn" also nichts über die absolute neuronale Stärke aussagen kann, dass im Beta-Band die KI-Gruppe sogar stärker als die werkzeuglose Gruppe ausfiel und dass in der Aufgabe des „Zitierens" der Unterschied zwischen der Suchmaschinen- und der werkzeuglosen Gruppe bedeutungslos war (p = 1). Dies Letzte schwächt die These „das Abtreten an ein äußeres Werkzeug häuft kognitive Schuld an" unmittelbar: Auch die Suchmaschinengruppe nutzte ein äußeres Werkzeug und zeigte doch keine Verschlechterung (Stanković et al., 2025). Der Punkt hier ist nicht, dass Kosmyna unrecht hätte; er ist, wie schnell und selektiv ein noch nicht begutachteter Preprint gelesen werden kann, weil er das Panik-Narrativ bestätigt. Wie das Erfinden der KI ist auch das Zersetzen des Gehirns durch KI eine technisch prüfbare Behauptung; auch die Panik ist eine Position und kann ihren eigenen Beleg selektiv lesen. Das ist symmetrisch zu der Bewegung im Schild-Abschnitt und bindet auch diesen Essay: Wie er die Angleichungsthese in ihrer stärksten Gestalt konfrontiert hat, muss er auch den Befund des Gegenpols mit Vorsicht lesen.
Dieselbe Balance zeigt sich auch in der Gesamtheit der Literatur. Eine Übersicht, die dreißig empirische Arbeiten sichtet, berichtet, einundzwanzig von ihnen hätten gefunden, dass KI überwiegend positiv auf das kritische Denken wirkt, und dass diese Wirkung sich besonders bei pädagogisch strukturiertem Gebrauch zeige (Raitskaya & Tikhonova, 2025). Das zeigt, dass der Essay sich nicht auf die Panik-Literatur stützt: Das negative Gewicht des Lupen-Abschnitts bedeutet nicht, dass das ganze Feld negativ wäre. Der Unterschied liegt wiederum im Gebrauch selbst, in der haltenden Hand.
Alle drei Fallen verknoten sich an einer einzigen Stelle; dieser Knoten wurde in einem Begriff sichtbar, den die Literatur zum moralischen Diskurs in den letzten Jahren viel verhandelt hat. Tosi und Warmke bestimmen, was sie „moralische Selbstdarstellung" (moral grandstanding) nennen, als den Gebrauch des moralischen Diskurses, um in den Augen anderer auf diese Weise angesehen zu erscheinen; der Selbstdarsteller spricht aus einem „Wunsch nach Anerkennung", von dem er sich erhofft, tugendhaft zu erscheinen (Tosi & Warmke, 2016). Der von Westra „Tugendsignalisierung" (virtue signaling) genannte Nachbarbegriff blickt auf dieselbe Stelle: Bestimmend ist nicht der Inhalt der moralischen Äußerung, sondern der dahinterstehende, statussuchende Beweggrund (Westra, 2021). Zager benennt einen weiteren Zug so: dass eine mit einem Regelverstoß beschuldigte Person die Beschuldigung entkräftet, indem sie von der Regelsprache zur Tugendsprache wechselt, also „ich mag die Regel gebrochen haben, aber ich bin ein guter Mensch" sagt, „Umschalten" (toggling) (Zager, 2023). Diese drei Begriffe sind kräftige Linsen: Sie machen den Beweggrund oder das Manöver hinter der moralischen Haltung des Gegenübers sichtbar.
Doch genau hier schließt sich das selbstreflexive Schloss. Flowerree und Satta zeigen, dass das Diagnostizieren der Selbstdarstellung selbst eine Falle ist: Wir können nicht zuverlässig unterscheiden, ob jemand wirklich Selbstdarstellung betreibt oder aufrichtig spricht; können wir es nicht unterscheiden, sind wir epistemisch nicht berechtigt, jemanden als Selbstdarsteller zu verurteilen; zudem verweist die Neigung, andere so zu verurteilen, auf einen Mangel an intellektueller Demut (Flowerree & Satta, 2023). Das ist die letzte und schärfste Wendung der Linse. „Er betreibt in Wahrheit Selbstdarstellung, ist auf Tugendsignalisierung aus" zu sagen, ist oft ein Weg dessen, der es sagt, die eigene Überlegenheitsposition zu errichten. Der Akt, die Tugendsignalisierung zu entlarven, kann also selbst eine Tugendsignalisierung sein. Dieser Essay legt beim Lesen der Reaktionen auf KI eine moralisch-intellektuelle Haltung an den Tag: „Seht die Wahrheit, prüft auch euch selbst." Auch diese Haltung unterliegt demselben Schloss, sie kann sich davon nicht ausnehmen.
Führt uns aber all das in einen endlosen Zweifel, in ein Nichts-mehr-sagen-Können? Nein; den Ausweg geben wiederum Flowerree und Satta: Statt Beweggründe zu lesen, gilt es auf die von der Person angeführten Gründe zu blicken und darauf, ob ihre Handlung dem Gegenüber Achtung erweist oder nicht. Genau das versuchte dieser Essay in all seinen Etappen. Er diagnostizierte nicht den inneren Beweggrund der Forenkommentatoren; er untersuchte das von ihnen vorgebrachte Argument und aus welcher Position betrachtet es stimmig ist. Er unterzog auch die eigene Position (die der KI nutzenden, von ihr profitierenden Seite) derselben Prüfung: als er die Neutralität der Lupe maß, als er darauf achtete, die Unterscheidung des Lackmus nicht in eine Überlegenheit zu verkehren, und als er den Schild in seiner persönlichen wie seiner unternehmerischen Gestalt zurückwies. Solange die Linse zweiseitig bleibt, ist sie ein Werkzeug des Lesens; in dem Moment, in dem sie sich auf eine Richtung verriegelt, wird sie zu einem Beispiel dessen, was sie diagnostiziert.
VI. Deutungsrahmen: Wie du KI siehst, bestimmt das Ergebnis
Der Lackmus-Abschnitt zeigte, dass dasselbe Werkzeug in zwei Händen ein anderes Ergebnis liefert, ließ aber eine Frage offen: Die Fertigkeit, die den Unterschied schafft, ist genau die Fertigkeit wovon? Dieser Abschnitt gibt darauf eine kurze Antwort, denn die Antwort benennt den Mechanismus unter dem Lackmus. Ein großer Teil der Unterscheidung kommt daher, als was die Person KI sieht.
Orlikowski und Gash nennen die Gesamtheit der Annahmen, Erwartungen und Kenntnisse, die Menschen über eine Technologie tragen, „technologische Deutungsrahmen"; sie zeigen auch, dass verschiedene Gruppen verschiedene Rahmen tragen und dass die Unstimmigkeit zwischen diesen Rahmen die mit derselben Technologie erlebten unerwarteten Ergebnisse erklärt (Orlikowski & Gash, 1994). Bei KI treten zwei Rahmen hervor. Der eine sieht das Werkzeug als eine Antwortmaschine, wie ein Orakel: Man stellt eine Frage, erhält eine Antwort, und die erhaltene Antwort ist das Produkt selbst. Der andere sieht es als einen Verarbeitungsmotor: Man legt ihm Material, Kontext, ein gut gestelltes Problem vor; hier liegt das Können darin, zu steuern, zu prüfen und neu zu speisen, was der Motor mit jenem Material tut.
Dass diese Unterscheidung kein leerer Vergleich ist, zeigt Zamfirescus und Kollegen Experiment. Die Studie, die untersucht, wie Nicht-Fachleute KI-Prompts gestalten, findet, dass die Teilnehmer aus zwischenmenschlichen Lehrerfahrungen stammende Erwartungen auf das Werkzeug übertragen, aus einem einzigen Versuch übermäßig verallgemeinern, nicht systematisch, sondern opportunistisch vorgehen, und dass diese Gewohnheiten dem wirksamen Prompt-Design im Wege stehen (Zamfirescu-Pereira et al., 2023). Der Ansatz, der das Werkzeug wie ein Gegenüber behandelt, wie ein Orakel, mit dem man wie mit einem gewöhnlichen Menschen spricht, scheitert also. Der Orakel-Rahmen ist der Rahmen, in dem das Werkzeug durchdreht. Was Long und Magerko „KI-Kompetenz" nennen, versucht genau diesen Unterschied zu schließen: die Fähigkeiten, das Werkzeug kritisch zu bewerten, mit ihm zusammenzuarbeiten, seine Grenzen zu erkennen (Long & Magerko, 2020). Das Wort Kompetenz ist wichtig, denn es verweist auf ein Können, nicht auf eine angeborene Gabe.
Was der richtige Rahmen nicht ist, setzen Yiu, Kosoy und Gopnik scharf: Diese Systeme wie einen individuellen menschlichen Geist, wie einen Urheber zu denken, ist falsch. Für sie ist der treffendste Rahmen, KI als eine mächtige kulturelle Technologie wie Schrift, Buchdruck, Bibliothek zu sehen; denn diese Systeme sind außerordentliche Nachahmungsmotoren, die den Fundus der Menschheit weitergeben, tragen aber von sich aus keine wahrheitssuchenden, eigenständig entdeckenden Vermögen (Yiu et al., 2023). Dieser Rahmen vermeidet beide Fehler: Er hält das Werkzeug weder für ein denkendes Subjekt noch für ein magisches Orakel, sondern für einen Motor, der den menschlichen Fundus verarbeitet. Wer den Motor ins Feld führt, ihm das eigene Material vorlegt, seine Ausgabe mit dem eigenen Wissen prüft, schöpft aus ihm Produktion; wer ihm wie einem Orakel eine Frage stellt und die Antwort so nimmt, wie sie ist, verwechselt das Durchdrehen mit Produktion.
Auch dieser Rahmenwechsel hat eine Feldentsprechung, die gemessen wird. In Lees und Kollegen Daten der Wissensarbeiter verschiebt KI das Gewicht des kritischen Denkens: weg von der Produktion selbst, hin zur Prüfung des Produzierten, zur Integration der Teile und zur Steuerung des Prozesses (Lee et al., 2025). Der Übergang vom Orakel-Rahmen zum Verarbeitungsmotor-Rahmen ist beim guten Nutzer keine abstrakte Präferenz, sondern ein gemessener Verhaltensunterschied; er investiert seine Arbeit nicht ins Erhalten der Antwort, sondern ins Prüfen und Integrieren der Antwort.
Das macht auch den Unterschied zwischen gezeigter und tatsächlich besessener Fertigkeit sichtbar. Mei und Weber unterscheiden im KI-Zeitalter das „gezeigte" (demonstrated) kritische Denken vom „vollzogenen" (performed) kritischen Denken: Das mit Hilfe des Werkzeugs entstandene Produkt und der kognitive Prozess, den die Person werkzeuglos vollziehen kann, sind nicht dasselbe; überdies messen Bewertungen meist das Erste und sprechen über das Zweite (Mei & Weber, 2025). Der Orakel-Rahmen begnügt sich mit dem Gezeigten; der Verarbeitungsmotor-Rahmen nährt das Vollzogene.
So benennt der Deutungsrahmen den Kern der Fertigkeit, die der Lackmus trennt. Dasselbe Werkzeug liefert unterschiedliche Ergebnisse, weil die Nutzer es mit unterschiedlichen Rahmen fassen; der Rahmen ist ein mentales Modell, und das Ergebnis bestimmt dieses Modell. In der Lupensprache des zweiten Abschnitts gesagt: Die haltende Hand hält in Wahrheit einen Deutungsrahmen. Und dieser Deutungsrahmen ist, wie der fünfte Abschnitt beharrte, kein angeborenes Vorrecht, sondern eine erwerbbare Kompetenz.
Schluss: Klar sehen
Die Ausgangsfrage lautete: Warum gelangen Menschen, die auf denselben Gegenstand blicken, zu so unterschiedlichen Ergebnissen? Die im ganzen Text verfolgte Methode verschob sogar den Ort der Frage selbst. Menschen gelangen zu unterschiedlichen Ergebnissen, weil das, worauf sie blicken, meist nicht der Gegenstand ist, sondern der Schatten, den die eigene Position auf den Gegenstand wirft. KI wirkt weniger als ein Körper, auf den die Reaktion fällt, denn als eine Fläche, die zurückwirft, wo der Reagierende steht.
Die vier Linsen waren die vier Modi dieser Rückspiegelung. Der Spiegel zeigte, dass der Inhalt der Reaktion verrät, was die Person schützt (ihre Kompetenz, ihr Vorrecht). Die Lupe zeigte, dass die Linse neutral ist, dass sie die daruntergelegte Unzulänglichkeit wie das Fundament vervielfachend sichtbar macht. Der Lackmus zeigte, dass das Werkzeug weniger angleicht als trennt; denn gut mit ihm zu arbeiten ist eine nicht kodifizierbare, durch Erfahrung und Anleitung reifende Fertigkeit. Der Schild zeigte, wie eine technisch richtige Beobachtung wie „KI erfindet Dinge" sich in eine Ausrede verwandeln lässt, die die Verantwortung vom Urheber auf das Werkzeug verschiebt. Der sechste Abschnitt vereinte die vier in einem Mechanismus: Was den Unterschied schafft, ist, als was die Person KI sieht, mit welchem Rahmen sie sie fasst.
Doch die eigentliche Last des Textes lag nicht in den einzelnen Linsen, sondern in ihrer Umkehrbarkeit. Dieselbe Linse liest auch die Hand selbst, die das Gegenüber liest. Wer „du wehrst dich, weil du Angst hast" sagt, und wer „du hast aufgehört zu denken" sagt, kann dieselbe Apparatur nutzen, um die eigene Position zu bestätigen. Deshalb wurde die Linse hier keine Diagnosewaffe; wäre sie es, verwandelte sie sich in ein Beispiel dessen, was sie diagnostiziert. Sie blieb eine Lesart, eine Lesart, die auch sich selbst liest.
Das heißt nicht, dass nichts bestimmt wäre. Sagen lässt sich, dass der Weg nicht über das Lesen von Beweggründen führt, sondern über den Blick auf die angeführten Gründe und die erwiesene Achtung. Eine Reaktion auf KI trägt Information über die Position ihres Urhebers; doch diese Information bestimmt nicht allein, ob jene Reaktion recht oder unrecht hat. Die beiden nicht zu verwechseln, ist eine Ehrlichkeit, die wir sowohl dem Gegenüber als auch uns selbst schulden.
Dieser Text erhob nicht den Anspruch, einen neuen Mechanismus entdeckt zu haben, konnte es auch nicht. Er führte voneinander getrennt gebliebene Arbeiten wie Identitätsbedrohung, implizites Wissen, übermäßiges Vertrauen, Verantwortungslücke und moralische Selbstdarstellung auf der Ebene des öffentlichen Diskurses zusammen, knüpfte das Band zwischen ihnen und wandte dieses Band auch auf sich selbst an. Sein Wert, wenn überhaupt, liegt nicht in den einzelnen Befunden, sondern in der Disziplin dieser Verwebung und dieser Selbstprüfung.
Was bleibt, ist eine Haltung. Auch der Text, der die kognitive Kapitulation anstieß, band seinen Schluss an diese Stelle: „Die Grenze liegt nicht in der Technologie, sondern in der Haltung." Jene Haltung ist die dessen, der das Werkzeug nutzt. Die einzige Bedingung, die dieser Text hinzufügt, ist die, dass jene Haltung nicht einseitig angewandt wird: Ohne die eigene Position gegenüber KI zu sehen, sich daranzumachen, die des anderen zu lesen, ist das, was die Linse in unserer Hand am meisten blendet. Klar zu sehen beginnt meist damit, zuerst zu sehen, von wo aus man blickt.
Quellenverzeichnis
Das Quellenverzeichnis führt die Quellen dem Prinzip der erreichbaren Adresse entsprechend in einheitlicher Form mit ihren Originalangaben auf (auch wenn die Begriffe im Text eingedeutscht sind, ist die Angabe die Adresse, die den Leser zu derselben Ausgabe führt). Bei Online-first-Veröffentlichungen, in denen das Zitationsjahr im Text und das Bandjahr auseinanderfallen können, ist die Bandangabe in der Quellenangabe vermerkt.
Bankins, S., Ocampo, A. C., Marrone, M., Restubog, S. L. D., & Woo, S. E. (2024). A multilevel review of artificial intelligence in organizations: Implications for organizational behavior research and practice. Journal of Organizational Behavior, 45(2), 159-182. https://doi.org/10.1002/job.2735
Brynjolfsson, E., Li, D., & Raymond, L. (2025). Generative AI at work. The Quarterly Journal of Economics, 140(2), 889-942. https://doi.org/10.1093/qje/qjae044
Buçinca, Z., Malaya, M. B., & Gajos, K. Z. (2021). To trust or to think: Cognitive forcing functions can reduce overreliance on AI in AI-assisted decision-making. Proceedings of the ACM on Human-Computer Interaction, 5(CSCW1), Article 188. https://doi.org/10.1145/3449287
Dans, E. (2026, April). Pensar cansa [Blogbeitrag]. Enrique Dans. https://www.enriquedans.com/2026/04/pensar-cansa-por-eso-estamos-empezando-a-dejar-que-la-inteligencia-artificial-lo-haga-por-nosotros.html (englische Fassung: „Thinking hurts, so why not surrender to AI?" Medium. https://medium.com/enrique-dans/thinking-hurts-so-why-not-surrender-to-ai-68da41119eb2)
Dell'Acqua, F., Rajendran, S., McFowland, E., III, Krayer, L., Mollick, E., Candelon, F., Lifshitz-Assaf, H., Kellogg, K., & Lakhani, K. R. (2023). Navigating the jagged technological frontier: Field experimental evidence of the effects of AI on knowledge worker productivity and quality (Harvard Business School Working Paper No. 24-013). https://ssrn.com/abstract=4573321
Di Santi, E. (2026). Cognitive amplification vs. cognitive delegation in human–AI systems: A metric framework [Preprint]. arXiv:2603.18677. https://arxiv.org/abs/2603.18677
Dowden, B. (o. J.). Fallacies (Genetic fallacy). Internet Encyclopedia of Philosophy. ISSN 2161-0002. https://iep.utm.edu/fallacy/
Ehsan, U., Passi, S., Saha, K., McNutt, T., Riedl, M. O., & Alcorn, S. (2026). From future of work to future of workers: Addressing asymptomatic AI harms for dignified human-AI interaction. Proceedings of CHI 2026. https://doi.org/10.1145/3772318.3791081 (Preprint: arXiv:2601.21920.)
Fan, Y., Tang, L., Le, H., Shen, K., Tan, S., Zhao, Y., Shen, Y., Li, X., & Gašević, D. (2025). Beware of metacognitive laziness: Effects of generative artificial intelligence on learning motivation, processes, and performance. British Journal of Educational Technology, 56(2), 489-530. https://doi.org/10.1111/bjet.13544
Flowerree, A. K., & Satta, M. (2023). Moral grandstanding and the norms of moral discourse. Journal of the American Philosophical Association, 10(3), 483-502. https://doi.org/10.1017/apa.2023.8
Fuchs, T. (2022). Understanding Sophia? On human interaction with artificial agents. Phenomenology and the Cognitive Sciences, 23(1), 21-42 (Bd. 2024). https://doi.org/10.1007/s11097-022-09848-0
Gerlich, M. (2025a). AI tools in society: Impacts on cognitive offloading and the future of critical thinking. Societies, 15(1), 6. https://doi.org/10.3390/soc15010006
Gerlich, M. (2025b). From offloading to engagement: An experimental study on structured prompting and critical reasoning with generative AI. Data, 10(11), 172. https://doi.org/10.3390/data10110172
Hadjimichael, D., Ribeiro, R., & Tsoukas, H. (2024). How does embodiment enable the acquisition of tacit knowledge in organizations? From Polanyi to Merleau-Ponty. Organization Studies, 45(4), 545-570. https://doi.org/10.1177/01708406241228374
Kapur, M. (2008). Productive failure. Cognition and Instruction, 26(3), 379-424. https://doi.org/10.1080/07370000802212669
Kosmyna, N., Hauptmann, E., Yuan, Y. T., Situ, J., Liao, X.-H., Beresnitzky, A. V., Braunstein, I., & Maes, P. (2025). Your brain on ChatGPT: Accumulation of cognitive debt when using an AI assistant for essay writing task [Preprint]. arXiv:2506.08872. https://arxiv.org/abs/2506.08872
Kruger, J., & Dunning, D. (1999). Unskilled and unaware of it: How difficulties in recognizing one's own incompetence lead to inflated self-assessments. Journal of Personality and Social Psychology, 77(6), 1121-1134. https://doi.org/10.1037/0022-3514.77.6.1121
Lave, J., & Wenger, E. (1991). Situated learning: Legitimate peripheral participation. Cambridge University Press. ISBN 978-0-521-42374-8.
Lee, H.-P., Sarkar, A., Tankelevitch, L., Drosos, I., Rintel, S., Banks, R., & Wilson, N. (2025). The impact of generative AI on critical thinking: Self-reported reductions in cognitive effort and confidence effects from a survey of knowledge workers. Proceedings of the 2025 CHI Conference on Human Factors in Computing Systems (CHI '25). https://doi.org/10.1145/3706598.3713778
Long, D., & Magerko, B. (2020). What is AI literacy? Competencies and design considerations. Proceedings of the 2020 CHI Conference on Human Factors in Computing Systems, 1-16. https://doi.org/10.1145/3313831.3376727
Lovett, M. (2026). Individual differences in generative AI effectiveness: An empirical puzzle for HRD research. New Horizons in Adult Education and Human Resource Development. https://doi.org/10.1177/19394225261472792
Magesh, V., Surani, F., Dahl, M., Suzgun, M., Manning, C. D., & Ho, D. E. (2024). Hallucination-free? Assessing the reliability of leading AI legal research tools (arXiv:2405.20362). https://arxiv.org/abs/2405.20362
Matthias, A. (2004). The responsibility gap: Ascribing responsibility for the actions of learning automata. Ethics and Information Technology, 6(3), 175-183. https://doi.org/10.1007/s10676-004-3422-1
Mei, K. X., & Weber, N. (2025). Designing AI systems that augment human performed vs. demonstrated critical thinking [Preprint]. arXiv:2504.14689. https://arxiv.org/abs/2504.14689
Mirbabaie, M., Brünker, F., Möllmann Frick, N. R. J., & Stieglitz, S. (2021). The rise of artificial intelligence: Understanding the AI identity threat at the workplace. Electronic Markets, 32(1), 73-99 (Bd. 2022). https://doi.org/10.1007/s12525-021-00496-x
Noy, S., & Zhang, W. (2023). Experimental evidence on the productivity effects of generative artificial intelligence [MIT-Arbeitspapier; begutachtete Fassung: Science, 381(6654), 187-192]. https://doi.org/10.1126/science.adh2586
Orlikowski, W. J., & Gash, D. C. (1994). Technological frames: Making sense of information technology in organizations. ACM Transactions on Information Systems, 12(2), 174-207. https://doi.org/10.1145/196734.196745
Passi, S., & Vorvoreanu, M. (2022). Overreliance on AI: Literature review (Microsoft Research / Aether-Bericht).
Raitskaya, L., & Tikhonova, E. (2025). Enhancing critical thinking skills in ChatGPT-human interaction: A scoping review. Journal of Language and Education, 11(2), 5-19. https://doi.org/10.17323/jle.2025.27387
Santoni de Sio, F., & Mecacci, G. (2021). Four responsibility gaps with artificial intelligence: Why they matter and how to address them. Philosophy & Technology, 34(4), 1057-1084. https://doi.org/10.1007/s13347-021-00450-x
Shaw, S. D., & Nave, G. (2026). Thinking, fast, slow, and artificial: How AI is reshaping human reasoning and the rise of cognitive surrender [Wharton-Arbeitspapier; im Originaltitel steht nach dem Wort „Thinking" ein Gedankenstrich]. SSRN 6097646. https://doi.org/10.31234/osf.io/yk25n_v1
Stanković, M., Hirche, E., Kollatzsch, S., & Doetsch, J. N. (2025). Comment on: Your brain on ChatGPT: Accumulation of cognitive debt when using an AI assistant for essay writing tasks [Preprint]. arXiv:2601.00856. https://arxiv.org/abs/2601.00856
Tosi, J., & Warmke, B. (2016). Moral grandstanding. Philosophy & Public Affairs, 44(3), 197-217. https://doi.org/10.1111/papa.12075
Tsao, J., Liang, C. X., Nogues, C., & Wong, A. (2026). Perceptions and integration of generative artificial intelligence in creative practices and industries: A scoping review and conceptual model. AI & Society, 41(3), 2259-2278. https://doi.org/10.1007/s00146-025-02667-2
Westra, E. (2021). Virtue signaling and moral progress. Philosophy & Public Affairs, 49(2), 156-178. https://doi.org/10.1111/papa.12187
Yiu, E., Kosoy, E., & Gopnik, A. (2023). Transmission versus truth, imitation versus innovation: What children can do that large language and language-and-vision models cannot (yet). Perspectives on Psychological Science, 19(5), 874-883. https://doi.org/10.1177/17456916231201401
Zager, S. (2023). Toggling: How shifts between deontology and virtue ethics undermine public moral discourse about gender and race. Hypatia, 38, 294-315. https://doi.org/10.1017/hyp.2023.25
Zamfirescu-Pereira, J. D., Wong, R. Y., Hartmann, B., & Yang, Q. (2023). Why Johnny can't prompt: How non-AI experts try (and fail) to design LLM prompts. Proceedings of the 2023 CHI Conference on Human Factors in Computing Systems, Article 437, 1-21. https://doi.org/10.1145/3544548.3581388
Versionshinweis
Lackmus · v1.1 · 12. August 2026 · zwei faktische Korrekturen
In der mehrsprachigen Übersetzungsrunde integriert diese Version zwei faktische Korrekturen, die aus Primärquellen stammen; die Argumentation und die Struktur des Hauptteils bleiben unverändert. ① Das Verstärker-Paradox von Ehsan et al. wurde unter seinem Originalnamen (AI-as-Amplifier Paradox) vereinheitlicht. ② Das Zitat von Lave und Wenger auf S. 33 wurde dem Modus des englischen Originals entsprechend korrigiert (nicht Erwerb: „only has power in specific circumstances"). Das Literaturverzeichnis mit 38 Einträgen bleibt unverändert.
Lackmus · v1.0 · 11. August 2026 · erste deutsche Ausgabe
Deutsche Erstausgabe; der Fließtext ist aus dem türkischen Original (v1.0, 10. August 2026) übersetzt, die wörtlichen Zitate nach den englischen Primärquellen rekonstruiert (keine Rückübersetzung). Die vier Linsen (Spiegel, Lupe, Lackmus, Schild) und die Fachbegriffe folgen den etablierten deutschen bzw. englischen Originalbenennungen; die englischen Fachtermini stehen bei ihrer ersten Nennung in Klammern.
Zum Schlusszitat von Dans: Der türkische Text ist an „Haltung" (spanisch actitud) verankert; in Dans' eigener englischer Fassung erscheint dafür „cultural instincts". Die deutsche Ausgabe folgt dem spanischen Original und gibt „Haltung".
Das Quellenverzeichnis umfasst 38 Einträge, APA 7. Die Angaben sind dem Prinzip der erreichbaren Adresse folgend in ihrer Originalform gegeben; auch wenn die Begriffe im Text eingedeutscht sind, ist die Angabe die Adresse, die den Leser zu derselben Ausgabe führt.