Ich erinnere mich gut an den Moment: Seminardesign fertig, die KI hat Einstiegsfragen und Reflexionsaufgaben formuliert, ich habe mitentschieden. Alles paletti.

Bis ich beim Feinjustieren merkte: Ich weiß gar nicht mehr, warum ich genau diese Fragen gewählt habe. Habe ich etwa zu viel Denken abgegeben?

---

📌 Nach diesem Beitrag kannst du … 1. einordnen, was passiert, wenn KI zu viel für dich denkt. 2. erkennen, welche Aufgaben du getrost abgibst und wo du selbst denkst. 3. einen Prompt so formulieren, dass KI deine eigene Idee herausfordert.

Was passiert, wenn wir Denkarbeit abgeben?

Unser Gehirn lagert Denkarbeit aus. Immer schon. Ob in Einkaufslisten, Kalender, Notizbuch. Wir schreiben Dinge auf, damit wir sie nicht im Kopf behalten müssen und uns kognitiv entlasten. Das machen wir seit Jahrtausenden so.

KI ist das mächtigste Auslagerungswerkzeug, das wir je hatten. Beim Notizbuch lagere ich Fakten aus. Bei KI lagere ich das Denken selbst aus. Etwa um Lernziele zu formulieren, didaktische Entscheidungen zu treffen oder einzuschätzen, was eine Gruppe braucht.

Dieser Unterschied ist zwar klein im Alltag. Im Ergebnis wirkt er groß. Entscheidend ist daher, welche Aufgaben du abgibst.

Ki darf liefern	du entscheidest
Erstentwürfe, Strukturen	Lernziele festlegen
Texte vereinfachen	Zielgruppe einschätzen
Ideen sammeln	Gruppenreflexion gestalten
Varianten und Vorschläge	Was zur Gruppe und zum Ziel passt

---

Was die Forschung zeigt

Drei kurze Befunde, die zum Nachdenken anregen.

Menschen erinnern eigene Gedanken schlechter, wenn KI zu früh übernimmt.

Eine MIT-Studie zum KI-gestützten Schreiben zeigte: Wer regelmäßig mit ChatGPT arbeitete, konnte eigene Textstellen später schlechter erinnern und zeigte geringere neuronale Aktivität beim Erinnern eigener Inhalte. Die Studie ist ein Preprint und kein Beweis, dass KI generell „dumm macht“. Für Seminardesign ist sie trotzdem interessant: Wenn KI sehr früh in den Denkprozess einsteigt, kann der Bezug zur eigenen Idee schwächer werden.

Wer KI-Outputs vertraut, prüft sie seltener als eigene Entwürfe.

Microsoft Research hat das 2025 bei Wissensarbeiter:innen gemessen. Hohes KI-Vertrauen korreliert in der Studie mit weniger kritischer Prüfung. Die meisten merken es gar nicht, weil sie glauben, sie prüfen doch gut genug. Wer KI-Seminarentwürfe übernimmt, tut das seltener mit der gleichen Schärfe wie bei eigenen Entwürfen.

Die Erwachsenenbildung nutzt KI, aber der didaktische Rahmen fehlt.

95% der befragten Personen in Ö-Cert-anerkannten Einrichtungen haben in den letzten drei Jahren KI genutzt, die Hälfte davon täglich oder fast täglich. Gleichzeitig geben 61% an, mehr praxisnahes Wissen zu konkreten Einsatzmöglichkeiten im eigenen Aufgabenbereich zu brauchen. Wenn KI-Nutzung zur Routine wird, bevor die Reflexion darüber einsetzt, entsteht eine bedeutsame Lücke.

Wenn KI den Kontext nicht kennt

Szenario A: Gewerkschaftliche Bildungsarbeit

Eine Trainerin bereitet ein Seminar zu Arbeitnehmer:innenrechten vor. Eine KI formuliert Fallbeispiele zu Kündigung, Überstunden, Betriebsrat. Die Texte klingen gut und kompetent. Nur für den österreichischen Kontext sind sie rechtlich unscharf. Der Kollektivvertrag und die Perspektive des Betriebsrats fehlt. Das Machtgefälle zwischen Arbeitgeber:in und Arbeitnehmer:in fehlt.

Das ist kein vernachlässigbarer redaktioneller Mangel. In der gewerkschaftlichen Bildungsarbeit ist die Frage, wessen Interessen ein Fallbeispiel sichtbar macht, eine inhaltliche Frage. KI produziert scheinbar neutrale Antworten. Doch welche Perspektiven kommen dabei zu kurz? Die Trainerin merkt das, wenn jemand aus der Gruppe eine eigene Betriebssituation schildert und das Fallbeispiel plötzlich zu glatt wirkt.

Was wäre die Alternative gewesen? Etwa eigene Fallbeispiele als Ausgangspunkt nehmen und KI zur Überarbeitung zuziehen. Als zweiten Schritt statt als ersten.

Szenario B: Reflexion im Seminar

Ein Trainer lässt KI Reflexionsfragen für eine heterogene Gruppe generieren. KI liefert zum Beispiel das hier:

„Reflektiere, inwiefern deine bisherigen Lernerfahrungen deinen Umgang mit Veränderungsprozessen geprägt haben.“

Die Frage ist grammatikalisch korrekt und klingt nach Weiterbildung. Aber für eine Gruppe, die unter Alltagsdruck steht oder Deutsch als Zweitsprache spricht, ist sie einfach zu weit weg. Ein erfahrener Trainer hätte vielleicht gefragt: „Wann hast du zuletzt etwas Neues gelernt, das dir wirklich etwas gebracht hat?

Beide Fragen zielen auf Reflexion. Nur eine davon trifft den Punkt.

Was bleibt: KI gerne nutzen. Aber erst, wenn deine eigene Richtung klar ist.

Erst du selbst, dann KI

Wenn du KI fürs Trainingsdesign nutzt, ist das hier für dich.

Bevor du KI öffnest: Nimm dir 5 bis 10 Minuten Zeit für deine eigenen Notizen. Was ist meine Idee? Was ist meine didaktische Absicht? Was weiß ich über diese Gruppe?
Eine naheliegende Konsequenz aus dem MIT-Projekt: Wer zuerst eigene Gedanken formuliert und KI erst danach nutzt, behält eher den Faden zu den eigenen Ideen. Mehr noch: Die KI-Outputs werden besser, weil du sie mit einem konkreten Gedanken herausforderst. Wer KI zuerst denken lässt, übernimmt oft mehr als beabsichtigt.

Keine Zeit für 10 Minuten? Dann reichen drei Sätze auf Papier: Was will ich mit dieser Einheit erreichen? Für wen mache ich das? Was darf auf keinen Fall fehlen? Danach KI öffnen.

Ein Prompt, der dabei hilft:

„Ich habe folgende Idee für meine Einstiegsübung: [eigener Text]. Was übersehe ich? Welche drei Einwände könnten meine Teilnehmenden haben?“

Mini-Challenge: Nimm dein nächstes Seminar. Wähle eine Einheit und schreib drei Sätze dazu, bevor du KI öffnest. Dann gib diese Sätze als Ausgangspunkt in den Prompt. Schau danach: Was hat KI ergänzt und was hat sie still verändert?

Drei Fragen, die leicht wehtun

• Welche Aufgabe in deiner Trainingsvorbereitung hast du zuletzt an KI abgegeben, ohne sie vorher selbst versucht zu haben?
• Wann hast du zuletzt einen KI-Output übernommen, ohne ihn wirklich didaktisch geprüft zu haben?
• Gibt es Kompetenzen, die du vor zwei Jahren noch ohne Hilfsmittel beherrscht hast, bei denen du heute weniger sicher bist?

Aufpassen

• Fluency Illusion: Ein Text klingt so elegant, dass du ihn für didaktisch qualitätsvoll hältst, obwohl nur die Sprache glänzt. Sprachliche Qualität ist kein Qualitätsmerkmal. Kritisch prüfen bleibt Aufgabe der Trainer:in.
• Gewerkschaftlicher und arbeitnehmer:innenorientierter Kontext braucht kollektivvertragliches, rechtliches und politisches Wissen. Das liefert KI nicht verlässlich. Hier ist menschliche Prüfung Pflicht.
• KI-Nutzung ohne laufende Reflexion schleift Kompetenzen ab, die man erst vermisst, wenn man sie braucht.

Fazit

KI nimmt mir Arbeit ab. Manche davon gebe ich gerne her. Die Arbeit des Einschätzens, Abwägens, Kontextualisierens will ich behalten. Sie ist der Kern dessen, was ich als Trainer:in tue.

Wer das auslagert, merkt den Unterschied oft nicht sofort. Erst im Seminar. Wenn eine Übung nicht aufgeht. Und ich nicht mehr genau weiß, warum ich sie überhaupt so gewählt habe. 

---

Autor: Stefan Fersterer

Lust auf mehr? Zu allen Beiträgen der Serie kommst du HIER!

Vertiefungsquellen

• Kosmyna et al. (2025): Your Brain on ChatGPT. MIT Media Lab, arXiv:2506.08872 (Preprint, noch nicht peer-reviewed).
• Lee et al. (2025): The Impact of Generative AI on Critical Thinking. CHI ’25, ACM.
• Schmieder & Gruber (2026): KI in der Erwachsenenbildung. Universität Graz / Ö-Cert.