Studie soll belegen: KI-Nutzer im Job werden als weniger kompetent wahrgenommen
Obwohl KI-Tools die Arbeit erleichtern, bringen sie laut Studie einen sozialen Preis mit sich: Wer im Büro auf KI setzt, gilt schnell als faul - mit ernsten Folgen.
Effizient, schnell, präzise - das verspricht der Einsatz von Künstlicher Intelligenz im Arbeitsalltag. Theoretisch. Praktisch zeigt sich ein anderes Bild: Wer offen zugibt, mit KI zu arbeiten, gilt offenbar als weniger engagiert. Das ist das zentrale Ergebnis einer neuen Studie mit über 4.400 Teilnehmern - und es könnte ein ernst zu nehmendes Hindernis für die Akzeptanz digitaler Tools sein.
In vier getrennten Experimenten wurde untersucht, wie Menschen beurteilt werden, die bei ihrer Arbeit auf KI setzen. Schon in der ersten Studie zeigte sich: Beschäftigte, die ein generatives KI-Tool nutzen, rechnen fest damit, als faul, ersetzbar und weniger kompetent zu gelten. Konsequenz: Viele würden ihre KI-Nutzung lieber verschweigen - insbesondere gegenüber Vorgesetzten.
Die zweite Studie testete, ob diese Sorge berechtigt ist. Kurzfassung: ja. Menschen, die mit KI arbeiten, werden von anderen als weniger kompetent, weniger fleißig und - wenig überraschend - als deutlich fauler eingeschätzt als solche, die keine oder klassische Hilfe (etwa von Kollegen) nutzen. Besonders bemerkenswert: Der Effekt war unabhängig von Beruf, Alter oder Geschlecht. Wer KI nutzt, wird abgestraft.
In der dritten Untersuchung mussten Testpersonen in der Rolle von Führungskräften reale Bewerberprofile beurteilen. Wieder das gleiche Muster: Kandidaten, die angaben, regelmäßig KI zu nutzen, hatten schlechtere Karten - es sei denn, die "Manager" nutzten selbst häufig KI. Offenbar hilft nur persönliche Erfahrung, um den Bias zu umgehen.
Bildergalerie
Die vierte Studie ging der Frage nach, woher diese Vorurteile kommen. Antwort: Es ist vor allem der Eindruck von Faulheit. Und der hat Folgen. Wer KI nutzt, wird als schlechtere Besetzung für Aufgaben wahrgenommen - es sei denn, es geht explizit um digitale Tätigkeiten, bei denen KI als sinnvoll gilt. Dann verschwindet der Makel.
Was bleibt, ist ein deutliches Signal: Der Einsatz intelligenter Tools wird nicht automatisch als Zeichen von Cleverness oder Effizienz verstanden - sondern häufig als Mangel an Einsatz. Ein Paradoxon in Zeiten von Automatisierung und Effizienzmaximierung.
Das Problem ist dabei weniger technischer, sondern sozialer Natur. Solange KI-Nutzung nicht als Standard gilt, bleibt sie ein Risiko - nicht wegen mangelnder Leistung, sondern wegen falscher Wahrnehmung.
Ist Technik ein Vorteil, wenn sie Vertrauen kostet? Nutzen Sie die Kommentarfunktion und teilen Sie uns Ihre Meinung mit. Beachten Sie beim Kommentieren aber bitte die Forenregeln. Folgen Sie uns außerdem für Neuigkeiten in der Hardware-Welt oder unsere exklusiven Inhalte gern auf Whatsapp und X. Unsere Video-Inhalte finden Sie bei Youtube, Instagram und Tiktok.
Quelle: PNAS
ChatGPT z.B. fragt sogar selber meistens nach ob das Thema noch vertieft werden soll.
Und was die "zwei Mauerbauer" angeht: ich seh da eher Potenzial für ne solide Doppelhaushälfte 😄 (andererseits hat niemand vor eine Mauer zu bauen)
Was ergibt sich darauf? Nicht intensive KI-Nutzung per se schwächt die Fachkompetenz, sondern nur dann, wenn sie unreflektiert geschieht und nicht durch ein solides fachliches Fundament gestützt wird.
Was da auch auffällt: An deiner Lernmethode lässt sich nich ableiten, dass KI-gestützte Recherche grundsätzlich zu geringerer Kompetenz führt. Denn auch bei KI-gestützte Infobeschaffung ist es möglich (und auch absolut üblich), sich kritisch mit den gelieferten Antworten auseinanderzusetzen, deren Stichhaltigkeit zu prüfen, weiterführende Asprekte nachzurecherchieren und Verbindungen zu anderen Themen herzustellen. Wer das nicht tut, hätte vermutlich auch bei klassischer Recherche nich tiefergehend gearbeitet.
Natürlich entgehen einem bei gezielten Fragen unter Umständen manche Zufallsfunde. Allerdings ist aus bildungswissenschaftlicher Sicht entscheidend, wie aktiv Lernprozesse gesteuert werden. Die Tiefenverarbeitungshypothese bspw. sagt, dass nachhaltiges lernen nicht nur durch bloßen Umfang, sondern durch die Tiefe der semantischen Verarbeitung entsteht. Dafür muss man dann nich Text um Text durchballern, um Wissen überhaupt zu erweitern.
Bezüglich "KI-gestützt" und weiterführend: Ich hatte für meine Gegenüberstellung jetzt nur die beiden Extreme betrachtet. Also auf der einen Seite jemand, der Quellen zu einem Thema recherchiert und in diesen nach Antworten zu seiner Frage sucht; dabei zwangsweise auch viele darüber hinaus gehenden Informationen durcharbeitet. Auf der anderen Seite jemand, der die Frage in die KI eingibt, eine vollständige Antwort erhält und diese maximal überprüft, ob deren Aussage in einem von der KI vorgelegten Quellzitat auch tatsächlich drinsteht/dass es keine Halluzination ist.
Als Zwischenstufe kann man die KI natürlich auch als verbesserte Suchmaschine nur zur Quellensuche verwenden, diese dann aber in herkömmlicher Weise und mit ähnlichem Informationsgewinn durcharbeiten. Je nach Fragestellung (Umfang? Vorwissen? Menge möglicher Quellen? Qualität von Suchmaschinen in diesem Bereich?) profitiert man dabei aber nur in sehr geringem Maße vom KI-Einsatz. Wo von massiv gesteigerter Arbeitseffizienz die Rede ist, meint man meiner Erfahrung nach meist Szenarien, in denen die KI die eigentliche Arbeit macht (ggf. bis hin zur Ausformulierung des Ergebnis) und sich der Mensch die meiste Zeit über gar nicht mehr mit dem Thema auseinandersetzt, sondern nur mit der Bedienung der KI. Das dürfte dann hinsichtlich der Wissensaneignung im Extremfall nicht mehr weit weg von "Querlesen" des Endresultats sein.