KI macht nicht dümmer, sie vergrößert die Kluft

„Es gibt keine kognitive Kreditkarte. Diese Schuld lässt sich nicht abbezahlen.“ Mit diesem Satz brachte die MIT-Forscherin Nataliya Kosmyna im Sommer 2025 einen Befund auf den Punkt, der seither durch jede Debatte über Künstliche Intelligenz und Denkvermögen geistert. In ihrer vielzitierten Studie „Your Brain on ChatGPT“ ließ sie 54 Probanden Aufsätze schreiben: mit ChatGPT, mit Suchmaschine, ganz ohne Hilfe. Das EEG der ChatGPT-Gruppe zeigte die schwächste neuronale Vernetzung von allen dreien. 83 Prozent der Teilnehmer konnten sich später kaum noch erinnern, was sie angeblich selbst geschrieben hatten. Seither läuft ein Satz durch Redaktionen, Elternabende und Vorstandsetagen: KI macht dumm.

Stimmt nicht ganz. Stimmt aber auch nicht einfach falsch. Die These dieses Textes ist unbequemer, und sie lässt sich an einer viel älteren Kulturtechnik ablesen: dem Lesen. Wer als Kind gern und gut liest, liest mit zehn mehr, versteht mit vierzehn schwierigere Texte und sitzt mit zwanzig entspannter im Seminar als jemand, der schon in der vierten Klasse an einfachen Sätzen scheiterte. Der Vorsprung wächst von selbst. Bei Künstlicher Intelligenz zeichnet sich derselbe Mechanismus ab, nur schneller, und mit höherem Einsatz.

Nicht die Maschine entscheidet, sondern das Restdenken

Kosmyna hat ihrem eigenen Befund widersprochen, bevor es andere taten. Verdummung generell habe sie nicht nachgewiesen, betonte sie in Interviews zur Studie; nachgewiesen sei, dass wer Denkarbeit vollständig auslagert, sich weniger engagiert und folglich weniger behält. Ein Unterschied, der sich lohnt, ausbuchstabiert zu werden. Eine Fachkritik, veröffentlicht als Kommentar auf arXiv, geht weiter und stellt Methodik und Reichweite der Interpretation infrage. 54 Probanden, eine einzige Aufgabenart, ein kurzer Untersuchungszeitraum: robuste Aussagen über die gesamte Menschheit lassen sich daraus schwer ableiten. Kosmynas Satz von der kognitiven Kreditkarte bleibt trotzdem treffend, nur eben nicht als Urteil über KI an sich, sondern über eine bestimmte Art, sie zu benutzen.

Wer einen KI-Text ungeprüft freigibt, spart keine Denkarbeit, er verschiebt sie nur auf den Moment, in dem der Fehler auffällt.

Wenn Vertrauen das Denken ersetzt

Eine zweite Studie stützt diese Lesart mit größerer Stichprobe. Forscher von Microsoft Research und der Carnegie Mellon University befragten 319 Wissensarbeiter zu 936 konkreten Situationen, in denen sie generative KI im Job einsetzten. Das Ergebnis, veröffentlicht bei Microsoft Research, war eindeutig: Je größer das Vertrauen in die Kompetenz der KI, desto seltener wurde kritisches Denken überhaupt noch aktiviert. Wer sich selbst zutraut, den Output zu prüfen, prüft ihn. Wer der Maschine mehr zutraut als sich selbst, lässt es bleiben. Das kritische Denken verschwindet dabei nicht, es verschiebt sich: von der eigenen Analyse hin zur Kontrolle fremder Ergebnisse. Eine andere Fähigkeit, keine geringere, aber eine, die kaum jemand systematisch trainiert.

Die Studie, die den Generationenunterschied misst

Am detailliertesten hat der Schweizer Forscher Michael Gerlich diesen Mechanismus untersucht. Seine Studie „AI Tools in Society“, 666 Teilnehmer, veröffentlicht im Fachjournal Societies, findet eine signifikante negative Korrelation zwischen häufiger KI-Nutzung und kritischem Denken, vermittelt über sogenanntes kognitives Auslagern. Jüngere Nutzer waren stärker betroffen als ältere, vermutlich weil sie mit der Technologie aufwachsen, statt sie sich später bewusst anzueignen. Der entscheidende Satz von Gerlich steht aber nicht in der Schlagzeile, sondern im Kleingedruckten: Die Gefahr bestehe, sei aber durch bewusste, reflektierte Nutzung vermeidbar. Genau darin liegt der Unterschied zwischen den Menschen, die von KI profitieren, und denen, die an ihr verkümmern.

Der Trennstrich läuft nicht durch die Begabung. Er läuft durch die Gewohnheit, der Maschine nicht sofort zu glauben.

Wer schon vorne liegt, zieht davon

Zurück zum Lesen, denn dort ist der Mechanismus seit Jahrzehnten vermessen. Der sogenannte Matthäus-Effekt, benannt nach dem Bibelvers „wer hat, dem wird gegeben“, beschreibt genau dieses Auseinanderdriften: Wer früh gut liest, liest mehr, versteht schneller und zieht davon. Deutschland liefert dazu die dramatischste Zahl im internationalen Vergleich. Laut PISA-Auswertung des Deutschen Schulportals erreichen Gymnasiasten im Schnitt 578 Punkte in Lesekompetenz, Schüler an anderen Schulformen nur 458, eine Differenz von rund drei Schuljahren. Nirgendwo sonst weltweit hängt Lesekompetenz so stark von der sozialen Herkunft ab wie hierzulande. Wer das für eine deutsche Eigenart hält, für German Angst mit Diplom sozusagen, irrt allerdings; das Muster selbst ist universell, nur seine Ausprägung ist hier besonders scharf. Bei KI-Kompetenz zeichnet sich exakt dieselbe Kurve ab, nur ist sie noch jung genug, dass sich gegensteuern lässt.

Zwischen Gewinnern und Verlierern der KI-Ära entscheidet keine Intelligenz, sondern eine erlernbare Fertigkeit: die reflektierte Nutzung.

Der Gegenbeweis aus der Praxis

Ein Befund widerspricht der reinen Auseinander-Schere-These allerdings deutlich, und er verdient Platz, nicht bloß eine Fußnote. Eine gemeinsame Untersuchung der Internationalen Arbeitsorganisation und der Weltbank findet bei generativer KI einen sogenannten inversen Skill-Bias: Anders als frühere Technologien nützt sie geringer qualifizierten Beschäftigten teils stärker als hoch qualifizierten, weil die Maschine genau dort einspringt, wo Erfahrung fehlt. Die ILO-Weltbank-Meldung dazu relativiert damit meine eigene Ausgangsthese: Es ist offenbar nicht allein die Vorbildung, die über Aufstieg oder Rückstand entscheidet, sondern zusätzlich die Art der Aufgabe und, siehe oben, die Art der Nutzung. Gleichzeitig fürchtet die junge Generation selbst das Schlimmste. In einer Erhebung von Wharton, Gallup und der Walton Family Foundation unter fast 2.500 jungen Erwachsenen sagten 79 Prozent, KI mache Menschen fauler; 62 Prozent sorgten sich um sinkende Intelligenz, berichtet Fortune. Benutzt haben sie die Werkzeuge trotzdem, öfter als je zuvor.

Der Unterschied liegt nicht im IQ

Was trennt also die Nutzer, die klüger werden, von denen, die verkümmern? Nach der vorliegenden Forschung ist es keine Frage der Begabung, sondern der Kontrollgewohnheit. Wer einen KI-Text als fertiges Produkt akzeptiert, lernt nichts dazu. Wer ihn als ersten Entwurf behandelt und gegen den eigenen Anspruch hält, bevor er ihn freigibt, trainiert genau die Fähigkeit, die Gerlich und Microsoft/CMU als schützend identifizieren: das eigenständige Urteil. Dieselbe Logik beschreibt eine Untersuchung zur KI-Entscheidungsqualität: Schneller ist nicht automatisch besser, und wer Tempo mit Urteilskraft verwechselt, zahlt die Rechnung später. Kompetenz entsteht nicht durch Nutzung an sich, sondern durch die Bereitschaft, der Maschine zu widersprechen.

Wer KI benutzt, ohne ihr je zu widersprechen, hat aufgehört zu denken und angefangen, nur noch zuzustimmen.

Was der Mittelstand noch nicht gelernt hat

In der deutschen Wirtschaft ist genau diese Kontrollgewohnheit die Ausnahme, nicht die Regel. Laut Bitkom-Studienbericht KI 2026 nutzen inzwischen 41 Prozent der deutschen Unternehmen KI aktiv, eine Verdopplung gegenüber dem Vorjahr. Doch 53 Prozent nennen fehlende KI-Kompetenz im Team als größte Hürde, und 43 Prozent bieten bis heute keine KI-Schulungen an, obwohl der europäische AI Act Unternehmen ausdrücklich zur KI-Kompetenz ihrer Beschäftigten verpflichtet. Die Technik ist angekommen. Die Fähigkeit, sie zu kontrollieren, nicht. Das deckt sich mit einem Befund zur KI-Readiness in der Kommunikation: Woran Projekte scheitern, ist selten die Software, fast immer die Organisation drumherum. Es scheitert eben die Korrektur, nicht die Datenreife.

Die Produktivitätsrechnung, die nicht aufgeht

Das Institut der deutschen Wirtschaft rechnet in seinem Gutachten zur KI-Produktivität nur mit 0,9 Prozent jährlichem Produktivitätswachstum zwischen 2025 und 2030, deutlich unter dem technisch Möglichen. Nur jedes vierte bis fünfte Unternehmen wendet KI überhaupt systematisch an, und Fachkräfte profitieren laut IW deutlich häufiger als Geringqualifizierte, ein Befund, der dem globalen ILO-Weltbank-Muster widerspricht und zeigt: Die Wirkung von KI auf Kompetenzunterschiede hängt stark davon ab, in welchem Land, in welcher Branche und mit welcher Weiterbildungskultur sie eingeführt wird. Wer heute noch glaubt, ein Blick allein auf globale Adoptionsraten genüge, um den eigenen Stand einzuschätzen, übersieht diesen nationalen Sonderfall.

Was Schulen bislang schuldig bleiben

Hier wird es für mich als Beobachter unbequem, denn hier klafft eine Lücke, die sich mit den verfügbaren Daten nicht sauber schließen lässt. Für Hochschulen gibt es inzwischen konkrete Programme: 150 neue KI-Professuren, eine Bund-Länder-Initiative zur KI in der Hochschulbildung, Strategiebriefings des Stifterverbands. Für die Schulen, dort, wo der Matthäus-Effekt tatsächlich beginnt, existiert dagegen noch keine vergleichbar systematische Antwort. Das ist keine böswillige Unterlassung, eher eine Frage der Reihenfolge: Hochschulen lassen sich schneller adressieren als sechzehn Landesschulsysteme. Trotzdem bleibt die Lücke real, und wer sie ignoriert, verschiebt das eigentliche Problem nur um ein paar Schuljahre nach hinten.

Wer KI-Kompetenz erst an der Hochschule vermittelt, kommt für einen Teil der Schüler zu spät. Der Rückstand ist dann längst geschrieben.

Was Arbeitgeber konkret tun können

Als jemand, der seit dreißig Jahren vom genauen Formulieren lebt, saß mir Kosmynas Satz über die kognitive Kreditkarte besonders lange im Nacken. Was ihn entschärft, ist nicht der Verzicht auf die Werkzeuge, sondern eine Gewohnheit: den KI-Text als Entwurf zu behandeln, nie als Endprodukt. Für Arbeitgeber heißt das konkret, KI-Nutzung nicht nur zu erlauben, sondern zu begleiten. Mit Schulungen, die nicht Bedienung lehren, sondern Prüfung. Mit Zeit, die eingeplant wird, um Ergebnisse gegenzulesen, statt sie nur schneller durchzuwinken. Und mit einer Fehlerkultur, die zugibt, wenn KI-Output falsch war, statt es stillschweigend zu korrigieren. Dieses dritte Glied im KI-Prozess überspringen die meisten: Die Maschine produziert, der Mensch redigiert gegen einen vorher gesetzten Maßstab. Wer wissen will, wo das eigene Unternehmen dabei tatsächlich steht, findet einen ersten, ehrlichen Einstieg im KI-Reifegrad-Test von SIGMA.

Die Rechnung für die deutsche Volkswirtschaft

Am Ende trifft sich beides, die Bildungslücke und die Unternehmenslücke, in derselben Zahl: 0,9 Prozent Produktivitätswachstum sind zu wenig, um den Anschluss an Volkswirtschaften zu halten, die konsequenter in Kompetenz statt nur in Lizenzen investieren. Die gute Nachricht, wenn man sie so nennen will: Anders als beim Lesenlernen ist es bei KI-Kompetenz nicht zu spät, auch für Erwachsene nicht. Der Matthäus-Effekt beginnt früh, aber er ist, anders als beim Lesen im Grundschulalter, in jedem Lebensalter noch unterbrechbar. Nur eben nicht von selbst.

Wer wartet, bis die Lücke sich von allein schließt, wird feststellen, dass sie das nicht tut.