Die Kontinuität des Lernens im Zeitalter der KI

Wie man der Gehirnatrophie entkommt, gerade wenn wir sie am dringendsten brauchen

Die künstliche Intelligenz, indem sie auf jede Frage eine sofortige Antwort liefert, schließt lautlos die kognitiven Mechanismen kurz, die das Lernen nicht zu einem Ergebnis, sondern zu einem Prozess machen: die Anstrengung, die Frustration, die Gedächtnisreaktivierung, der langsame Aufbau dauerhafter mentaler Schemata. Was wir an Fluidität gewinnen, riskieren wir an Tiefe zu verlieren: und ausgerechnet in dem Moment, in dem die Komplexität der Welt wendigere, kritischere und autonomere Köpfe verlangt, sind wir versucht, unsere Intelligenz an eine Maschine zu delegieren.

Die KI, ein einseitig verspiegelter Spiegel unserer Intelligenz

Im Jahr 2023 reichte ein Jura-Student einer großen amerikanischen Universität eine sechzigseitige Arbeit ein, die vollständig von einem generativen Sprachmodell verfasst worden war. Seine Professoren bemerkten nichts Ungewöhnliches. Weder in der Struktur, noch in den Argumenten, noch im Stil. Alles war kohärent, belegt, überzeugend. Was fehlte, war dagegen unsichtbar: keine Spur der intellektuellen Anstrengung, die Information in Wissen, Daten in Verständnis, eine Antwort in Urteilskraft verwandelt. Der Student hatte eine Note erhalten. Gelernt hatte er nichts.

Die künstliche Intelligenz ist eine unwiderstehliche Falle: Sie spiegelt die Gesamtheit des akkumulierten menschlichen Wissens, verbirgt aber dem, der sie befragt, das Bild des eigenen, in Auflösung begriffenen Denkens. Einerseits repräsentiert sie eine der spektakulärsten Verstärkungen des Wissenszugangs seit der Erfindung des Buchdrucks: sofort, personalisiert, in allen Sprachen und zu jeder Stunde verfügbar. Andererseits schließt sie lautlos die kognitiven Mechanismen kurz, die das Lernen nicht zu einem Ergebnis, sondern zu einem Prozess machen: die Anstrengung, die Frustration, die Gedächtnisreaktivierung, den schrittweisen Aufbau mentaler Schemata.

Diese Spannung ist keine Anekdote. Sie definiert eine der tiefsten Bildungsherausforderungen unserer Zeit. Um sie zu verstehen, muss man auf die lange Geschichte der kognitiven Revolutionen zurückblicken, prüfen, was die Neurowissenschaften über das lernende Gehirn sagen, die eigentlichen Risiken der Ära des algorithmischen Orakels messen und schließlich konkrete Wege vorschlagen, um die menschliche Intelligenz nicht auf dem Altar der digitalen Bequemlichkeit zu opfern.

Fünf Achsen, voneinander abhängig, bilden diese Kartografie der Herausforderungen.

Eine Sorge, so alt wie der Fortschritt

Die Geschichte der Bildung ist gespickt mit technologischen Revolutionen, und jede von ihnen löste dieselben Grundängste aus. Sokrates, von Platon im Phaidros überliefert, fürchtete, die Schrift schwäche das Gedächtnis und flößt den Köpfen den Anschein von Wissen ein statt echtem Wissen. Im Diagnostischen irrte er nicht, in der Schlussfolgerung schon: Die Schrift hat die Menschheit nicht verdummt, sie hat ihre Lernmodi neu konfiguriert. Die griechische Paideia (das Bildungs- und Kulturideal des antiken Griechenland), auf Dialektik und Denkanstrengung gegründet, wertschätzte genau das, was die Schrift zu verdünnen drohte: die lebendige Konfrontation mit der Ungewissheit.

Im Mittelalter verkörperten die kopistischen Mönche eine andere Gestalt des Lernens durch Anstrengung. Einen Text von Hand abzuschreiben war keine mechanische Aufgabe, sondern eine totale Gedächtnispraxis, eine Eintauchung in die Struktur des fremden Denkens. Als Gutenberg die Verbreitung der Ideen revolutionierte, begeisterte sich Erasmus, doch andere sahen in der Vervielfältigung der Bücher eine Bedrohung für die Ausbildung des kritischen Geistes: Wozu selbst denken, wenn schon alles geschrieben ist?

Erasmus, von Quentin Metsys, 1517.

Das 18. und 19. Jahrhundert sahen die republikanische Schule entstehen, getragen von Condorcet und seinem Traum der Gleichheit durch Wissen. Doch Rousseau hatte bereits vor rein übermittelnder Belehrung gewarnt, die die Köpfe füllt, ohne sie zu formen. Dewey, an der Schwelle zum 20. Jahrhundert, theorisierte, was wir heute erfahrungsbezogenes Lernen nennen würden: Lernen heißt tun, tasten, neu anfangen. Dann kamen Radio und Fernsehen und mit ihnen McLuhan und Postman, die vor der Oberflächlichkeit einer auf passivem Konsum von Bildern und Klängen gegründeten Kultur warnten. Jede Epoche hatte ihre Propheten des kognitiven Verfalls, und jede Epoche hatte teilweise recht.

Die KI ist kein absoluter Bruch. Sie ist der letzte Akt einer jahrtausendealten Dialektik zwischen dem Werkzeug und der Intelligenz, die es benutzt. Doch ihre Intensität, ihre Geschwindigkeit und ihre Allgegenwart verleihen ihr eine beispiellose Dimension. Sie begnügt sich nicht, Wissen zu verbreiten: Sie beansprucht, es zu produzieren, zu synthetisieren und inzwischen, es pädagogisch zu verkörpern. Wie sollte man darin nicht den Verschmelzungspunkt des Mediums nicht nur mit der Botschaft, sondern auch mit seinem Empfänger sehen? Genau dort ändert die Herausforderung ihre Natur.

Die Anstrengung gegen die Fluidität: was wir verlieren, wenn wir Zeit gewinnen

Jahrtausendelang waren die Lernmethoden langsam, kostspielig und oft schmerzhaft. Gerade diese Langsamkeit garantierte ihre Wirksamkeit. Die verteilte Wiederholung, von Hermann Ebbinghaus schon Ende des 19. Jahrhunderts kodifiziert, beruht auf einem einfachen Prinzip: Es ist die regelmäßige Rückkehr zu einer Information, in wachsenden Abständen, die eine Erinnerung dauerhaft im Langzeitgedächtnis verankert. Die sokratische Hebammenmethode beruhte auf derselben Logik: den Schüler zwingen, das Wissen selbst zur Welt zu bringen, indem man ihn vor seine eigenen Widersprüche stellt. Diese Prozesse sind kognitiv kostspielig. Und gerade ihre Kosten machen sie wirksam.

Die neuen digitalen Ansätze haben den Zugang optimiert, mitunter aber zulasten der Tiefe. Plattformen wie Khanmigo oder Duolingo Max bieten eine bemerkenswerte pädagogische Personalisierung und passen Rhythmus, Niveau und Format an die Bedürfnisse jedes Lernenden an. Die Gamification fesselt die Aufmerksamkeit und erzeugt Engagement, zumindest anfänglich. Das Micro-Learning erlaubt es, das Lernen in die Zwischenräume des Alltags einzufügen. Diese Innovationen sind real und wertvoll.

Doch sie haben einen blinden Fleck: Sie begünstigen die extrinsische Motivation (Belohnung, Abzeichen, Punktzahl) zulasten der intrinsischen Motivation, die allein ein dauerhaftes, selbstgesteuertes Lernen ermöglicht. Kahneman (den Yann Le Cun heute gerne in seinen Vorträgen zitiert), bietet mit seiner Unterscheidung zwischen System 1 (schnelles, automatisches Denken) und System 2 (langsames, deliberatives Denken) einen wertvollen analytischen Rahmen: Die für Fluidität konzipierten digitalen Werkzeuge aktivieren fast ausschließlich System 1. Doch es ist System 2, mühsam, unbequem, widerständig, das das tiefe Verständnis aufbaut.

Die Synthese besteht nicht darin, die neuen Methoden abzulehnen, sondern anzuerkennen, dass sie eine bewusste pädagogische Governance erfordern. Die KI optimiert den Zugang zum Wissen, doch sie ersetzt nicht die langsamen und kostspieligen Mechanismen, die die menschliche Intelligenz schmieden: die Anstrengung, die Frustration und die Zeit.

Was das Gehirn verliert, wenn eine Maschine an seiner statt denkt

Die Neurowissenschaften liefern heute ein erschütterndes Licht auf die Effekte der kognitiven Auslagerung. Das Prinzip der Gehirnplastizität, von Donald Hebb formalisiert, besagt, dass sich neuronale Verbindungen durch wiederholte Benutzung stärken und schwächer werden, sobald sie nicht mehr beansprucht werden. Das Gehirn rekonfiguriert sich buchstäblich je nach den Aufgaben, die wir ihm übertragen oder ersparen. Denkt eine Maschine an unserer statt, sparen wir nicht nur Sekunden des Nachdenkens: Es sind neuronale Schaltkreise, die wir verkümmern lassen.

Betsy Sparrow und ihre Kollegen wiesen 2011 nach, was sie den «Google-Effekt» nannten: Wenn wir wissen, dass eine Information sofort online abrufbar ist, investiert unser Gehirn weniger Aufwand in ihr Auswendiglernen. Der Hippocampus, Sitz des Langzeitgedächtnisses, wird weniger beansprucht. Der präfrontale Kortex, der das abstrakte Denken und die Entscheidungsfindung regiert, wird umgangen. Wir speichern nicht mehr das Wissen, sondern die Adresse, wo es zu finden ist. Stanislas Dehaene betont in seinen Arbeiten zum Lernen, dass tiefes Lesen, handschriftliches Schreiben und die Lösung komplexer Probleme ausgedehnte und diffuse neuronale Netzwerke aktivieren, genau jene, die der delegierte KI-Gebrauch zu unterfordern droht.

Die Metakognition, jene Fähigkeit, über das eigene Denken nachzudenken, von Flavell theorisiert, ist vielleicht das stillste Opfer dieser Delegation. Ein Student, der ein Sprachmodell zum Verfassen eines Essays benutzt, aktiviert nicht dieselben neuronalen Netze wie derjenige, der liest, zusammenfasst, zögert, umformuliert und schreibt. Der erste speichert Antworten; der zweite baut mentale Schemata auf. Wygotski erinnert uns daran, dass sich die kognitive Entwicklung in der Zone der nächsten Entwicklung vollzieht, jenem unbequemen Raum zwischen dem, was wir schon können, und dem, was wir noch nicht allein können. Eine KI in diesen Raum zu stellen heißt genau den Ort beseitigen, an dem das Gehirn wächst.

Das algorithmische Orakel und die Illusion des Totalwissens

Über die individuellen Mechanismen hinaus erzeugt die KI ein epistemologisches Problem nie gekannten Ausmaßes: Sie gibt Antworten. Keine Fragen. Doch der Kern intellektueller Bildung, von Sokrates bis Popper, liegt gerade in der Kunst des Zweifelns, des Hypothesenbildens, der Annahme der Ungewissheit als Bedingung lebendigen Denkens.

Wenn ein künftiger Arzt die Identifikation einer Differentialdiagnose an ein algorithmisches System delegiert, erhält er vielleicht eine korrekte Antwort. Doch er entwickelt nicht das klinische Denken, das ihm erlauben wird, atypische Fälle, widersprüchliche Symptome und Patienten, die den Trainingsmodellen nicht entsprechen, zu bewältigen. Er entwickelt auch nicht das, was Michael Polanyi das tacit knowledge nannte, jene verkörperte, nicht formalisierbare Intelligenz, die durch wiederholte Erfahrung, Scheitern und zwischenmenschliche Beziehung erworben wird. Ein auf das algorithmische Orakel trainierter Arzt wird diagnostizieren können, aber kaum zu Zuhören und Antizipieren neigen.

Es gibt ein drittes, strukturelleres Risiko: Die großen Sprachmodelle reproduzieren und verstärken die statistischen Verzerrungen ihrer Trainingsdaten. Harari anticipiert in seiner Reflexion über das Homo Deus eine Menschheit, die ihre Entscheidungen schrittweise an opake Systeme delegiert. Cathy O'Neil hat ihrerseits dokumentiert, wie Algorithmen Ungleichheiten unter dem Firnis mathematischer Objektivität institutionalisieren können. Die KI lehrt uns nicht, was wir ihr nicht beizubringen wussten, und indem sie die Wissensbestände standardisiert, riskiert sie, die epistemische Vielfalt zu verarmen, die den eigentlichen Reichtum des menschlichen Denkens ausmacht.

Neu lernen lernen im Zeitalter der Maschinen

Angesichts dieser Risiken ist die Versuchung der radikalen Ablehnung verständlich, doch unfruchtbar. Die KI ist da, und ihre Vorteile sind real. Die Frage ist nicht, zwischen ihr und der menschlichen Intelligenz zu wählen, sondern die Bedingungen einer emanzipatorischen Koexistenz zu definieren.

Für Studenten bedeutet das, die Regel der drei E (Effort, Error, Exploration) zu übernehmen: die Anstrengung als Standardhaltung, der Irtum als konstitutive Etappe des Wissens, die Erkundung als Verweigerung vorgefertigter Antworten. Konkret bedeutet dies: aktive Memorierungstechniken, mentale Kartografie, das Feynman-Prinzip des gegenseitigen Lehrens, verteilte Reaktivierung und eine bewusst begrenzte Nutzung der KI für Aufgaben, die kritisches Denken erfordern.

Für Lehrkräfte ist die Priorität pädagogisch, bevor sie technologisch ist: lernen, die KI zu befragen statt ihr zu gehorchen, hybride Sequenzen bauen, in denen das digitale Werkzeug den Informationszugang verwaltet, während der Mensch Synthese, Debatte und Urteil übernimmt. Die Lehrer-Schüler-Beziehung, in ihrer affektiven und improvisatorischen Dimension, bleibt unersetzlich. In dieser Beziehung vollzieht sich die Weitergabe des tacit knowledge.

Für die Institutionen ist die Reform der Bewertungsformen dringend. Weniger auswendig gelernte Wiedergabe, mehr fächerübergreifende Projekte, offene Situationen, Probleme ohne eindeutige Lösung. Zu den Grenzen der KI auszubilden, ihren Verzerrungen, ihren Halluzinationen, ihrer Unfähigkeit, echte Fragen zu generieren, muss zu einer Grundkompetenz werden wie Lesen oder Rechnen. Davon sind wir noch weit entfernt, obwohl sich Zeichen des guten Willens abzuzeichnen scheinen.

Eine Intelligenz, die es zu verteidigen gilt

Die KI ist ein Beschleuniger des Wissens, doch ohne Anstrengung wird sie zum Bremsklotz der Intelligenz. Diese Paradoxie ist kein Fatum: Sie ist eine Herausforderung kognitiver, pädagogischer und institutioneller Governance.

Im optimistischen Szenario wird die KI das, was die besten Technologien immer waren: ein Verstärker der menschlichen Fähigkeiten, der den Geist von den mechanischen Aufgaben befreit, damit er sich zu Kreation, Nuance und Empathie erheben kann. Im pessimistischen Szenario wird sie zum Ersatz des Denkens für Generationen von Lernenden, die nie die kognitiven Muskeln entwickelt haben, die nötig wären, um ihre Antworten anzuzweifeln.

Die Wahl zwischen diesen beiden Szenarien ist keine technologische. Sie ist zutiefst menschlich. Sie hängt vom kollektiven Willen ab, die Anstrengung ins Zentrum der Bildung zu halten, die deliberative Langsamkeit in einer Kultur des Unmittelbaren wertzuschätzen und der Illusion zu widerstehen, Bequemlichkeit sei ein Synonym für Fortschritt.

Die letzte Herausforderung lautet: Wie machen wir die KI zu einem Werkzeug der Emanzipation und nicht der Abhängigkeit? Die Antwort liegt weder in den Algorithmen noch allein in den öffentlichen Politiken; sie liegt in unseren Gehirnen und in der bewussten Entscheidung, sie weiter zu trainieren.

Anhang: Quellen und Referenzen

Neurowissenschaften und Kognition

• Dehaene, S. (2018). Apprendre ! Les talents du cerveau, le défi des machines. Odile Jacob.
• Kahneman, D. (2011). Thinking, Fast and Slow. Farrar, Straus and Giroux.
• 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. https://doi.org/10.1126/science.1207745
• Hebb, D. O. (1949). The Organization of Behavior. Wiley.
• Ebbinghaus, H. (1885). Über das Gedächtnis. Duncker & Humblot.

Erziehungswissenschaften

• Vygotski, L. S. (1934/1985). Pensée et Langage. Éditions Sociales.
• Dewey, J. (1897/1990). The School and Society. University of Chicago Press. Flavell, J. H. (1979). Metacognition and Cognitive Monitoring. American Psychologist, 34(10), 906–911.
• Piaget, J. (1970). L'Épistémologie génétique. Presses Universitaires de France.

KI, Gesellschaft und Epistemologie

• O'Neil, C. (2016). Weapons of Math Destruction. Crown Publishers.
• Polanyi, M. (1966). The Tacit Dimension. Doubleday.
• Postman, N. (1985). Amusing Ourselves to Death. Viking Penguin.
• McLuhan, M. (1964). Understanding Media: The Extensions of Man. McGraw-Hill.

Historische und philosophische Referenzen

• Platon. Phaidros (Übers. L. Robin). Gallimard, coll. Pléiade.
• Condorcet, N. de (1791/1994). Cinq mémoires sur l'instruction publique. Flammarion.
• Erasmus, D. (1511). Lob der Torheit. (Referenzausgabe: Flammarion, 2011).