ChatGPT als Denkpartner: Der unterschätzte Wert von KI für Denken, Lernen und wirtschaftliche Umsetzung

Wenn ein Gedanke plötzlich eine Struktur bekommt

Es gibt eine eigentümliche Erfahrung im Umgang mit ChatGPT, die sich nur schwer in die üblichen Kategorien von Software einordnen lässt. Man beginnt mit einem Gedanken, der noch gar kein fertiger Gedanke ist. Vielleicht ist es eine Frage, eine Ahnung, ein Widerspruch oder lediglich das Gefühl, dass mehrere Dinge miteinander zusammenhängen könnten.

Man schreibt einige Sätze. ChatGPT antwortet. Man widerspricht. Es entsteht eine neue Antwort. Man präzisiert. Eine Unterscheidung wird sichtbar, die vorher nur diffus vorhanden war. Aus einer Frage werden mehrere Fragen. Aus diesen Fragen entstehen Kategorien. Aus den Kategorien entsteht ein Modell. Und irgendwann steht etwas vor einem, das man vorher noch nicht formulieren konnte.

Das Entscheidende daran ist nicht, dass ChatGPT eine Antwort geliefert hat. Der eigentliche Wert liegt häufig darin, dass aus einem unfertigen Gedanken eine bearbeitbare Struktur entsteht.

Genau darin könnte eine der unterschätzten wirtschaftlichen Anwendungen generativer KI liegen.

Vielleicht besteht die wichtigste Produktivitätssteigerung durch KI nicht darin, dass ein Mensch schneller Texte produziert. Vielleicht besteht sie darin, dass er schneller erkennt, was er überhaupt produzieren sollte.

Die übliche Vorstellung von KI greift zu kurz

Wenn über den Nutzen von ChatGPT gesprochen wird, stehen häufig sehr konkrete Aufgaben im Mittelpunkt: Texte formulieren, E-Mails schreiben, Informationen zusammenfassen, Code erzeugen, Übersetzungen anfertigen oder Ideen sammeln. All das ist real und nützlich. ChatGPT wird von OpenAI ausdrücklich unter anderem für Brainstorming, Schreiben, Lernen, Planen und Analyse beschrieben. Auch die Fähigkeit, aus einer groben Richtung klarere Themen, Optionen und umsetzbare Pläne zu entwickeln, wird inzwischen ausdrücklich als Anwendungsfall genannt.

Doch diese Beschreibung kann zu einer eigentümlichen Verkürzung führen. Man könnte glauben, der entscheidende Vorteil bestehe darin, dass der Mensch eine Aufgabe an ChatGPT übergibt und das System sie schneller erledigt.

Das ist manchmal so. Aber bei anspruchsvolleren geistigen Tätigkeiten liegt der größere Hebel möglicherweise an einer anderen Stelle.

Viele Probleme beginnen nämlich lange vor der eigentlichen Aufgabe.

Ein Unternehmer weiß vielleicht, dass seine digitale Strategie überarbeitet werden muss. Ein Wissenschaftler erkennt eine interessante Fragestellung, kann sie aber noch nicht sauber abgrenzen. Ein Autor besitzt zwanzig Notizen, aber noch keine These. Ein Entwickler sieht mehrere technische Möglichkeiten, weiß aber noch nicht, welche Entscheidungsebene eigentlich relevant ist. Ein Berater erkennt ein Muster, kann es aber noch nicht in ein verständliches Modell übersetzen.

Das Problem lautet dann nicht:

„Wie erledige ich diese Aufgabe?“

Es lautet:

„Was ist hier eigentlich die Aufgabe?“

Zwischen diesen beiden Fragen liegt ein erheblicher Teil menschlicher Wissensarbeit.

Das eigentliche Problem vieler Wissensarbeiter ist kein Informationsmangel

Unsere Zeit leidet nicht unbedingt unter einem Mangel an Informationen. Im Gegenteil: In vielen Bereichen ist Information im Überfluss vorhanden.

Die Schwierigkeit besteht darin, aus Informationen Bedeutung zu gewinnen.

Man muss unterscheiden, ordnen, gewichten, vergleichen, verwerfen und miteinander verbinden. Man muss erkennen, welche Frage vor der nächsten beantwortet werden muss. Man muss feststellen, dass zwei scheinbar unterschiedliche Probleme vielleicht dasselbe Grundproblem beschreiben. Oder dass eine vermeintliche Lösung lediglich ein Symptom behandelt.

Diese Arbeit ist schwer zu automatisieren, weil sie häufig nicht aus klar definierten Einzelschritten besteht.

Gerade deshalb ist die Interaktion mit einem Sprachmodell interessant. ChatGPT kann nicht nur eine fertige Aufgabe bearbeiten. Es kann auf eine unfertige Beschreibung reagieren und daraus mögliche Strukturen entwickeln.

OpenAI beschreibt ChatGPT inzwischen ausdrücklich als strukturierten Denkpartner für Brainstorming: Das System kann Optionen erweitern, Ideen in Themenbereiche gliedern und aus einer groben Richtung einen ausführbaren Plan entwickeln. Gleichzeitig wird ausdrücklich darauf hingewiesen, dass Kontext, Fachwissen und Urteil des Menschen nicht ersetzt werden.

Diese Kombination ist entscheidend.

Das Modell liefert Strukturvorschläge. Der Mensch entscheidet, ob diese Struktur sinnvoll ist.

Vom Gedanken zur Struktur

Der vielleicht interessanteste Nutzen zeigt sich dort, wo noch kein klarer Auftrag existiert.

Ein Mensch kann beispielsweise feststellen, dass eine große Menge von Texten schwer auffindbar wird. Die spontane Lösung könnte lauten: bessere Kategorien, mehr Suchfilter oder eine bessere Suchmaschine.

Im Dialog kann sich jedoch eine andere Frage ergeben:

Vielleicht muss nicht nur der Inhalt eines Textes beschrieben werden. Vielleicht muss auch beschrieben werden, wie der Leser ihn lesen möchte.

Aus dieser Überlegung kann eine neue Struktur entstehen. Ein Text lässt sich beispielsweise nicht nur nach seinem Themenfeld beschreiben, sondern auch nach Format, gedanklicher Flughöhe, Lesemodus, Umfang und Lesezeit.

Damit verändert sich die ursprüngliche Problemstellung.

Aus einer Suchfunktion wird eine Form der Orientierung.

Aus einem Artikelarchiv wird ein Leseraum.

Aus der Frage „Wonach suchst du?“ wird die interessantere Frage:

„Was möchtest du gerade lesen?“

Derartige Verschiebungen sind schwer zu quantifizieren. Sie können aber für die Qualität eines Projekts entscheidender sein als die reine Geschwindigkeit, mit der einzelne Texte produziert werden.

Die Lernkurve verändert sich

Der Nutzen eines solchen Systems beschränkt sich nicht auf die Produktion.

Auch Lernen kann sich verändern.

Traditionelles Lernen ist häufig sequenziell: Man liest, sammelt Informationen, versucht sie zu verstehen und bildet daraus allmählich ein inneres Modell.

Ein Dialogsystem ermöglicht eine andere Bewegung. Man kann eine zunächst unklare Vorstellung formulieren, eine Gegenfrage erhalten, die eigene Position präzisieren und anschließend die neue Struktur erneut prüfen.

Der Lernende erhält damit nicht lediglich Informationen. Er kann seine eigenen Vorstellungen fortlaufend an einer sprachlichen Gegenüberstellung testen.

Das ist allerdings kein Beweis dafür, dass ChatGPT automatisch zu besserem Denken führt. Ein Sprachmodell kann ebenso falsche Annahmen bestätigen, scheinbar plausible Argumente erzeugen oder eine unzureichend begründete Position elegant formulieren.

Das National Institute of Standards and Technology bezeichnet solche fehlerhaften oder erfundenen Inhalte als „Confabulation“ und weist ausdrücklich darauf hin, dass generative KI auch überzeugend formulierte falsche Aussagen und sogar scheinbare Begründungen erzeugen kann. Gerade bei offenen und komplexen Aufgaben ist diese Gefahr relevant.

Deshalb liegt der Lerngewinn nicht darin, ChatGPT zu glauben.

Er liegt darin, mit ChatGPT denken zu können, ohne das eigene Urteil an ChatGPT abzugeben.

Der Mensch bleibt der Ort der Verantwortung

Diese Unterscheidung ist wichtiger, als sie zunächst erscheint.

Ein Sprachmodell kann eine überraschend gute Gegenposition formulieren. Es kann einen Gedanken in eine präzisere Sprache übersetzen. Es kann eine bislang übersehene Möglichkeit vorschlagen. Es kann Widersprüche sichtbar machen. Es kann eine unübersichtliche Sammlung von Gedanken in eine verständliche Ordnung bringen.

Aber daraus folgt nicht, dass das Modell die Verantwortung für die daraus entstehende Entscheidung übernimmt.

Im Gegenteil: Je leistungsfähiger das Werkzeug wird, desto wichtiger wird die Fähigkeit des Menschen, seine Ergebnisse zu beurteilen.

Ein überzeugend formulierter Irrtum bleibt ein Irrtum.

Eine elegante Struktur kann auf falschen Annahmen beruhen.

Eine plausible Empfehlung kann wichtige Informationen übersehen.

Und eine scheinbar ausgewogene Antwort kann eine Frage bereits durch ihre Auswahl der Argumente in eine bestimmte Richtung lenken.

Der produktive Umgang mit ChatGPT ist deshalb kein Übergang von menschlichem Denken zu maschinellem Denken. Er ist eher eine neue Form der Arbeitsteilung:

• Der Mensch bringt Kontext, Erfahrung, Ziele und Verantwortung ein.
• ChatGPT kann Möglichkeiten erzeugen und sprachlich strukturieren.
• Der Mensch prüft, verwirft, verändert und entscheidet.
• ChatGPT kann anschließend helfen, die gewählte Richtung weiter auszuarbeiten.

Der Dialog ist damit kein Ersatz für Urteilskraft. Er kann vielmehr zu einem Werkzeug werden, an dem sich Urteilskraft praktisch betätigt.

Der wirtschaftliche Wert liegt möglicherweise zwischen den Arbeitsschritten

Die wirtschaftliche Diskussion über KI konzentriert sich häufig auf die Frage, welche Tätigkeiten automatisiert werden können.

Das ist verständlich. Automatisierung lässt sich relativ leicht messen: Ein Prozess dauert statt einer Stunde nur noch zehn Minuten. Ein Bericht entsteht schneller. Ein Programm wird in kürzerer Zeit geschrieben. Eine Recherche benötigt weniger manuelle Arbeit.

Doch es gibt eine zweite Form von Produktivität, die schwieriger zu messen ist.

Sie betrifft die Zeit zwischen zwei klar definierten Arbeitsschritten.

Ein Projekt beginnt mit einer Idee und endet mit einem Ergebnis. Dazwischen liegen jedoch häufig Unklarheit, Suchbewegungen, Sackgassen, Umformulierungen, Priorisierungen und Entscheidungen.

Diese Zwischenräume können enorme Kosten verursachen.

Wenn ChatGPT dabei hilft, schneller von einer diffusen Frage zu einer brauchbaren Problemdefinition zu gelangen, entsteht wirtschaftlicher Wert, obwohl keine einzelne Tätigkeit vollständig automatisiert wurde.

Vielleicht ist nicht die Automatisierung einzelner Aufgaben der wichtigste ökonomische Effekt generativer KI, sondern die Verringerung der Reibung zwischen einer Idee und ihrer Umsetzung.

Das verändert auch die Vorstellung davon, was Produktivität bedeutet.

Produktivität wäre dann nicht nur: mehr Output pro Zeiteinheit.

Sie könnte auch bedeuten: weniger Zeit, bis ein Mensch weiß, was der richtige nächste Schritt ist.

ChatGPT als Gegenüber für unfertige Gedanken

Besonders interessant wird die Zusammenarbeit dort, wo der Mensch selbst noch nicht genau weiß, was er sagen möchte.

Ein klassisches Textverarbeitungsprogramm wartet auf einen fertigen Gedanken. Ein Suchfeld erwartet eine Suchanfrage. Eine Datenbank erwartet strukturierte Eingaben.

ChatGPT kann dagegen mit einer Zwischenform umgehen: dem noch nicht fertigen Gedanken.

Man kann schreiben:

„Ich habe das Gefühl, dass hier zwei Dinge miteinander verbunden sind, aber ich kann noch nicht erklären, welche.“

Oder:

„Ich weiß noch nicht, ob das überhaupt ein sinnvolles Problem ist. Hilf mir herauszufinden, worin es eigentlich besteht.“

Oder:

„Ich habe diese fünf Ideen. Ich weiß nicht, ob sie zusammengehören oder ob ich gerade verschiedene Ebenen vermische.“

Solche Eingaben sind keine klassischen Arbeitsaufträge.

Sie sind Denkbewegungen.

Und genau deshalb ist es bedeutsam, dass ein Sprachmodell nicht nur fertige Fragen beantworten kann, sondern inzwischen auch für die Strukturierung von Ideen, Forschungsfragen und komplexen Aufgaben eingesetzt werden kann. OpenAI beschreibt beispielsweise die Forschungsfunktionen von ChatGPT ausdrücklich als Möglichkeit, aus einer vagen Frage einen Forschungsplan und daraus strukturierte, quellenbasierte Ergebnisse zu entwickeln.

Vom Schreibwerkzeug zum Denkwerkzeug

Vielleicht verändert sich dadurch auch die Bedeutung des Schreibens.

Bisher galt Schreiben häufig als Endpunkt des Denkens: Erst denkt man, dann schreibt man.

Im Dialog mit ChatGPT kann Schreiben wieder stärker zu einem Bestandteil des Denkens selbst werden.

Man schreibt einen Gedanken auf, um ihn prüfen zu lassen. Die Antwort erzeugt einen neuen Gedanken. Dieser wird wieder formuliert. Eine Unterscheidung entsteht. Sie wird weiterentwickelt. Schließlich steht ein Argument vor einem, das ohne diesen Dialog vielleicht ebenfalls hätte entstehen können, aber vermutlich später, mühsamer oder in einer anderen Form.

Das bedeutet nicht, dass ChatGPT der Urheber des Gedankens ist.

Es bedeutet vielmehr, dass der Denkprozess eine zusätzliche Oberfläche erhält.

Ein Mensch kann mit einem Sprachmodell gewissermaßen laut denken, ohne allein denken zu müssen.

Das ist eine eigenartige Form intellektueller Unterstützung: Das Gegenüber besitzt keine menschliche Biografie, keine eigenen Lebenserfahrungen und keine menschliche Verantwortung. Trotzdem kann die sprachliche Reaktion des Systems einen Denkprozess in Bewegung halten.

Gerade deshalb sollte man vorsichtig mit anthropomorphen Begriffen umgehen. Es ist nicht erforderlich, ChatGPT menschliche Eigenschaften zuzuschreiben, um den praktischen Wert des Dialogs zu erkennen.

Die Gefahr der kognitiven Bequemlichkeit

Doch genau hier liegt auch die größte Gefahr.

Wenn ChatGPT immer schnell eine plausible Antwort liefert, kann der Mensch aufhören, selbst nach einer zu suchen.

Wenn jede unfertige Formulierung sofort verbessert wird, kann die Fähigkeit leiden, eine eigene Sprache zu entwickeln.

Wenn jede Entscheidung mit einer scheinbar ausgewogenen Analyse beantwortet wird, kann der Eindruck entstehen, die schwierige Arbeit des Urteilens sei bereits erledigt.

Das Gegenteil wäre sinnvoller.

Je leichter ein System Antworten erzeugt, desto wichtiger wird die Fähigkeit, gute Fragen zu stellen, Antworten zu bezweifeln und Alternativen zu formulieren.

Die eigentliche Kompetenz im Umgang mit ChatGPT besteht deshalb nicht darin, möglichst raffinierte Befehle zu kennen. Sie besteht darin, den Dialog als geistigen Prozess zu führen.

Man muss erkennen können, wann man eine Antwort akzeptieren kann.

Wann man nach Belegen fragen sollte.

Wann eine Gegenposition fehlt.

Wann das Modell eine falsche Voraussetzung übernommen hat.

Und wann die eigene Frage so unklar ist, dass zunächst das Problem selbst geklärt werden muss.

Das ist weniger eine technische als eine intellektuelle Fähigkeit.

Die neue Knappheit könnte nicht Information, sondern Aufmerksamkeit sein

Wenn generative KI die Kosten der Texterstellung und Informationsaufbereitung weiter senkt, entsteht ein paradoxes Problem.

Es wird immer leichter, Inhalte zu erzeugen.

Dadurch wird es gleichzeitig immer schwieriger, die wenigen Inhalte zu erkennen, denen Aufmerksamkeit gebührt.

Die Zahl möglicher Texte, Analysen, Zusammenfassungen und Erklärungen kann schneller wachsen als die verfügbare menschliche Aufmerksamkeit.

Damit gewinnt eine andere Fähigkeit an Bedeutung: Orientierung.

Welche Information brauche ich?

Welche Tiefe ist für meine aktuelle Frage angemessen?

Will ich etwas wissen, etwas verstehen, etwas analysieren oder über etwas nachdenken?

Wie viel Zeit möchte ich investieren?

Welches Vorwissen besitze ich?

Welche Perspektive fehlt mir?

Auch hier kann ChatGPT eine interessante Rolle einnehmen. Nicht unbedingt als Produzent immer neuer Inhalte, sondern als Werkzeug, das hilft, große Mengen von Möglichkeiten zu strukturieren und die eigene Aufmerksamkeit gezielter einzusetzen.

Das führt zu einer bemerkenswerten Verschiebung:

Wenn Information billig wird, wird Orientierung wertvoll.

Was sich an Arbeit tatsächlich verändert

Die Vorstellung, ChatGPT werde einfach bestimmte Berufe oder Tätigkeiten ersetzen, greift deshalb möglicherweise ebenfalls zu kurz.

In vielen geistigen Berufen besteht Arbeit aus einer Mischung aus Recherche, Interpretation, Kommunikation, Entscheidung und Umsetzung. Einzelne Bestandteile dieser Arbeit können durch ChatGPT unterstützt oder beschleunigt werden, während andere menschliches Urteil und Verantwortung erfordern.

Die Grenze verläuft daher nicht unbedingt zwischen „automatisierbarer Arbeit“ und „nicht automatisierbarer Arbeit“.

Sie kann vielmehr innerhalb eines einzelnen Arbeitsprozesses verlaufen.

Ein Mensch formuliert die Fragestellung.

ChatGPT entwickelt mögliche Strukturierungen.

Der Mensch prüft die Annahmen.

ChatGPT hilft bei der Recherche und Synthese.

Der Mensch bewertet die Quellen.

ChatGPT formuliert Varianten.

Der Mensch entscheidet über Aussage, Haltung und Verantwortung.

OpenAI beschreibt genau diese Art von Nutzung inzwischen nicht nur für Schreiben, sondern auch für Forschung: ChatGPT kann Informationen sammeln und synthetisieren, Quellen vergleichen und strukturierte Ergebnisse mit Belegen erzeugen. Gleichzeitig sind die Ergebnisse überprüfbar zu machen.

Das Entscheidende ist deshalb nicht, wer welchen Arbeitsschritt „besitzt“.

Entscheidend ist, wie sich der gesamte Denk- und Arbeitsprozess verändert.

Die eigentliche Lernkurve beginnt vielleicht vor dem Lernen

Es gibt noch einen weiteren Aspekt, der leicht übersehen wird.

Menschen lernen nicht nur durch Antworten. Sie lernen auch dadurch, dass sie ihre eigenen Fragen präzisieren.

Wer zunächst fragt „Wie funktioniert das?“ und anschließend fragt „Warum funktioniert es so?“, „Welche Annahmen liegen dahinter?“, „Wo funktioniert dieses Modell nicht?“ und schließlich „Was folgt daraus?“, bewegt sich auf einer anderen geistigen Ebene als jemand, der nur eine Definition sucht.

Ein dialogisches System kann diese Bewegung unterstützen.

Es kann auf eine einfache Frage antworten und anschließend helfen, die nächste Ebene zu öffnen.

So entsteht eine Lernkurve, die nicht ausschließlich durch den Schwierigkeitsgrad eines Textes bestimmt wird, sondern durch die Qualität der Fragen.

Das ist vielleicht einer der nachhaltigsten Effekte von ChatGPT: Es kann den Abstand zwischen „Ich verstehe das noch nicht“ und „Ich weiß, welche Frage ich als Nächstes stellen muss“ verkürzen.

Und genau dieser Abstand ist für Lernen von erheblicher Bedeutung.

Eine andere Vorstellung von Produktivität

Wenn man diese Beobachtungen zusammenführt, entsteht ein anderes Bild von Produktivität.

Produktivität bedeutet dann nicht nur, in derselben Zeit mehr zu produzieren.

Sie bedeutet auch, schneller Klarheit zu gewinnen.

Schneller zu erkennen, welches Problem tatsächlich vorliegt.

Schneller Alternativen zu entwickeln.

Schneller Widersprüche zu erkennen.

Schneller aus Informationen eine Struktur zu bilden.

Und möglicherweise auch schneller zu erkennen, dass eine ursprünglich geplante Lösung überhaupt nicht die richtige Lösung für das Problem ist.

Das ist wirtschaftlich relevant, weil Fehlentscheidungen häufig wesentlich teurer sind als langsame Entscheidungen.

Ein Unternehmen kann Monate damit verbringen, das falsche Produkt zu optimieren. Ein Team kann Wochen in eine ungeeignete technische Architektur investieren. Ein Autor kann hunderte Stunden in Texte investieren, deren eigentliche Zielgruppe nie klar definiert wurde.

Wenn ein Dialog mit ChatGPT hilft, solche Unklarheiten früher sichtbar zu machen, entsteht ein Wert, der in klassischen Produktivitätskennzahlen kaum auftaucht.

Aber wer denkt hier eigentlich?

Damit bleibt eine philosophischere Frage.

Wenn ein Mensch einen Gedanken formuliert, ChatGPT ihn strukturiert, der Mensch diese Struktur verändert und daraus schließlich eine neue Idee entsteht: Wem gehört der Gedanke?

Die einfache Antwort lautet: Der Prozess war gemeinsam.

Die schwierigere Antwort ist interessanter.

Gedanken entstehen ohnehin selten im luftleeren Raum. Menschen denken mit Büchern, Gesprächen, Gegenargumenten, Lehrern, Kollegen, Erfahrungen und kulturellen Begriffen. Ein Gespräch kann einen Gedanken verändern, obwohl der Gesprächspartner ihn nicht „erzeugt“ hat.

ChatGPT fügt diesem alten Phänomen eine neue technische Form hinzu.

Es kann innerhalb weniger Sekunden auf eine Formulierung reagieren, Alternativen erzeugen und eine große Zahl sprachlicher Möglichkeiten anbieten.

Dadurch entsteht ein ungewöhnliches Zwischenwesen zwischen Werkzeug und Gesprächspartner.

Vielleicht muss man diese Zwischenstellung gar nicht endgültig definieren.

Es reicht zunächst, ihre Konsequenzen ernst zu nehmen.

Ein Werkzeug, das auf Gedanken reagiert, verändert zwangsläufig die Art, wie Gedanken entwickelt werden.

Was ChatGPT nicht leisten sollte

Gerade weil die Möglichkeiten groß sind, sollte man die Grenzen nicht kleinreden.

ChatGPT ist keine letzte Instanz für Wahrheit. Es kann Fehler machen. Es kann Quellen oder Zusammenhänge falsch darstellen. Es kann Unsicherheit sprachlich verdecken. Es kann Argumente erzeugen, die überzeugend klingen, aber nicht tragen.

Auch aktuelle Informationen müssen gegebenenfalls recherchiert und überprüft werden. Für komplexe Forschung bietet ChatGPT inzwischen Funktionen an, die ausdrücklich auf Quellenvergleich, mehrstufige Recherche und dokumentierte Ergebnisse ausgerichtet sind. Doch auch solche Ergebnisse sind nicht dadurch automatisch wahr, dass sie strukturiert und mit Quellen versehen sind. Die Quellen und Schlussfolgerungen müssen weiterhin geprüft werden.

Das ist keine Schwäche, die den gesamten Nutzen des Systems widerlegt.

Es ist eine Bedingung für seinen sinnvollen Einsatz.

Ein Taschenrechner kann falsch bedient werden. Eine Suchmaschine kann schlechte Quellen liefern. Ein wissenschaftliches Buch kann Fehler enthalten. Ein menschlicher Berater kann sich irren.

Der Unterschied bei generativer KI liegt darin, dass ihre Antworten oft mit einer sprachlichen Selbstverständlichkeit erscheinen, die leicht mit Gewissheit verwechselt werden kann.

Deshalb sollte die wichtigste menschliche Fähigkeit im Umgang mit ChatGPT vielleicht nicht das Prompting sein.

Es ist Urteilsfähigkeit.

Vom Prompt zur Partnerschaft

Vielleicht wird sich deshalb auch die Sprache verändern, mit der wir über die Nutzung solcher Systeme sprechen.

Ein Prompt klingt nach einem Befehl.

Ein Dialog beschreibt etwas anderes.

Man kann ChatGPT eine Aufgabe geben. Man kann aber auch eine Frage entwickeln.

Man kann eine Antwort verlangen. Man kann aber auch eine Gegenposition einfordern.

Man kann einen Text schreiben lassen. Man kann aber auch einen eigenen Text vorlegen und fragen, wo seine Argumentation schwach ist.

Man kann nach einer Lösung fragen. Man kann aber auch fragen, ob das Problem überhaupt richtig definiert wurde.

Damit verschiebt sich die Rolle des Systems.

Aus dem Werkzeug, das einen Auftrag ausführt, wird ein Werkzeug für einen iterativen Denkprozess.

Das bedeutet nicht, dass ChatGPT zum Menschen wird.

Es bedeutet, dass Menschen lernen könnten, mit einem nichtmenschlichen sprachlichen System auf eine Weise zu arbeiten, die ihre eigenen geistigen Prozesse verändert.

Der vielleicht größte Wert liegt in der Unfertigkeit

Das klingt zunächst paradox.

Man könnte annehmen, ein leistungsfähiges KI-System sei vor allem dort wertvoll, wo der Auftrag möglichst präzise formuliert ist.

In der Praxis kann aber gerade die Unfertigkeit eines Gedankens besonders produktiv sein.

Wenn noch nicht klar ist, welche Kategorie passt, welche These trägt oder welche Frage eigentlich gestellt werden sollte, kann ein Dialog helfen, diese Unklarheit sichtbar zu machen.

Der Mensch muss dann nicht zuerst eine perfekte Eingabe produzieren, um Unterstützung zu erhalten.

Er kann mit dem beginnen, was tatsächlich vorhanden ist:

einem unfertigen Gedanken.

Das ist vielleicht die bemerkenswerteste Veränderung.

Technologie unterstützt nicht mehr nur die Ausführung einer bereits definierten Aufgabe. Sie kann auch in den Prozess eingreifen, in dem eine Aufgabe überhaupt erst Gestalt annimmt.

Und genau dort beginnt ein Bereich, dessen wirtschaftliches Potenzial weit über das bloße schnellere Schreiben hinausreichen könnte.

Die neue Arbeitsteilung

Vielleicht lässt sich die sinnvollste Beziehung zwischen Mensch und ChatGPT deshalb weder als Unterordnung noch als Ersetzung beschreiben.

Sie ist eher eine Arbeitsteilung.

Der Mensch liefert das, was ein Sprachmodell nicht besitzen kann: gelebten Kontext, Interessen, Verantwortung, Werte, Ziele und die Entscheidung darüber, was überhaupt wichtig ist.

ChatGPT kann dagegen eine enorme sprachliche und strukturelle Beweglichkeit bereitstellen: Es kann Varianten erzeugen, Gedanken ordnen, Gegenargumente formulieren, Informationen zusammenführen, Fragen aufspalten und aus einer groben Richtung unterschiedliche mögliche Wege entwickeln.

Die Qualität entsteht dort, wo beides zusammenkommt.

Der Mensch muss nicht weniger denken, weil ChatGPT mehr leisten kann. Er kann möglicherweise mehr denken, weil er weniger Zeit damit verbringen muss, seine Gedanken allein zu sortieren.

Das ist ein kleiner, aber entscheidender Unterschied.

Vielleicht beginnt die eigentliche KI-Revolution nicht beim Schreiben

Die öffentliche Diskussion über ChatGPT hat sich lange an sichtbaren Ergebnissen orientiert: Texte, Bilder, Code, Zusammenfassungen, Präsentationen.

Das sind die Produkte, die man sehen kann.

Der möglicherweise tiefere Wandel findet jedoch eine Ebene davor statt.

Wenn Menschen beginnen, ihre Fragen anders zu stellen, Probleme anders zu strukturieren, schneller Gegenpositionen zu entwickeln und komplexe Zusammenhänge gemeinsam mit einem Sprachmodell zu untersuchen, verändert sich nicht nur der Output.

Dann verändert sich der Prozess, der zum Output führt.

Und Prozesse sind häufig der eigentliche Ort wirtschaftlicher Veränderung.

Die entscheidende Frage lautet deshalb vielleicht nicht:

„Was kann ChatGPT für mich erledigen?“

Sondern:

„Was kann ich besser denken, weil ich mit ChatGPT arbeite?“

Darauf gibt es keine allgemeingültige Antwort.

Aber genau diese Offenheit macht die Frage interessant.

Vielleicht liegt der langfristige Wert generativer KI nicht allein darin, dass Maschinen immer mehr menschliche Tätigkeiten übernehmen.

Vielleicht liegt ein ebenso wichtiger Teil des Wertes darin, dass Menschen mit solchen Systemen anders lernen, anders fragen, anders strukturieren und anders handeln.

Dann wäre ChatGPT nicht nur eine Maschine zur Erzeugung von Antworten.

Es wäre ein neues Medium für den Übergang zwischen Frage und Erkenntnis, zwischen Idee und Struktur und zwischen Struktur und Handlung.

Und vielleicht ist genau dieser Übergang einer der interessantesten Orte, an denen sich die wirtschaftliche und geistige Bedeutung künstlicher Intelligenz erst noch zeigen wird.

Quellen & Literatur

• OpenAI Academy: Brainstorming mit ChatGPT – zur Nutzung von ChatGPT als strukturiertem Denkpartner für Ideenentwicklung, Strukturierung und Planung.
• OpenAI Academy: Recherche mit ChatGPT – zu Recherche, Synthese, Quellenvergleich und der Überführung vager Fragen in klarere Forschungsfragen und Erkenntnisse.
• OpenAI Help Center: Deep Research in ChatGPT – zu mehrstufiger Recherche, Quellenarbeit, Synthese und der Überprüfung dokumentierter Ergebnisse.
• OpenAI Academy: ChatGPT für die Arbeit – zu den Einsatzmöglichkeiten von ChatGPT für Schreiben, Brainstorming, Datenanalyse und Forschung.
• National Institute of Standards and Technology (NIST): Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile – als Referenz für Risiken generativer KI, insbesondere fehlerhafte oder erfundene Inhalte und die Notwendigkeit menschlicher Prüfung.

Neue Texte auf Gedankenplanet

Was geschieht – und was es mit uns macht. Ein vielstimmiger Blick auf die Gegenwart und ihre Fragen. Neues aus Alltag & Leben, Business & Karriere, Gesellschaft & Politik, Gesundheit & Wohlbefinden, Kultur & Kunst, Liebe & Beziehungen, Natur & Umwelt, Philosophie & Psychologie, Recht sowie Wissenschaft & Technik: