Lernen und Verlernen mit KI: Was länger hält als Tools

Lernen und Verlernen (Unlearning) im KI-Zeitalter heißt, die menschlichen Fähigkeiten auszubauen, die KI nicht ersetzen kann, und bewusst Arbeitsmuster loszulassen, die Menschen und Organisationen nicht mehr guttun. Es kommt auf kritisches Denken, ethisches Urteilsvermögen, Zusammenarbeit und das Lernen des Lernens an. Velocity als Maßstab und Entscheidungen von oben nach unten gehören zu den Mustern, die auf den Prüfstand gehören.

Das Wichtigste in Kürze

• Studierende, die Aufgaben mit ChatGPT erledigten, zeigten laut einer zitierten Studie des MIT Media Lab (2025) im EEG die schwächste Vernetzung der Hirnareale und konnten sich den Stoff danach kaum merken.
• 95 Prozent der Unternehmen, die in KI investieren, sehen keinen messbaren Ertrag, weil der Hype die Einführung treibt und keine Strategie, die bis in die Governance reicht und alle Ebenen der Organisation verbindet.
• Wer Aufgaben komplett an die KI abgibt, statt sie als Partnerin in der Zusammenarbeit zu nutzen, gibt Verantwortung ab und blockiert echte Kompetenzentwicklung.
• Wenn Juniorstellen in der Softwareentwicklung wegen KI wegfallen, entsteht ein Nachwuchsproblem: Ohne Juniors, die Erfahrung sammeln, gibt es später keine Seniors.
• Ethisches Handeln, kritisches Denken und die Fähigkeit, das Lernen zu lernen, halten länger als jedes einzelne Tool, jede Sprache und jedes Framework.

KI schreibt den Code, also geht es darum, was beim Menschen bleibt

Ob KI das kann, ist keine offene Frage mehr. KI schreibt Code, entwirft Strategien, erzeugt Tests und erledigt die meisten abgegrenzten Aufgaben. Graziela Tonin stellt deshalb eine andere Frage, und dabei geht es auch um Lernen und Verlernen (Unlearning): Wie verändern sich Institutionen, Unternehmen und jeder Einzelne, wenn die Maschine die Aufgabe übernimmt, und was bleibt in dieser neuen Ära eindeutig menschlich?

Diese Ära trägt Namen wie Compute-Superzyklus oder KI-Superzyklus. Es geht dabei nicht darum, einen Kurs über Large Language Models zu besuchen. Es geht darum, wer die neue Welt gestaltet und zu welchen Bedingungen. Noch steuern Menschen die KI. Diese Steuerung ist eine Entscheidung, und man kann sie gut oder schlecht treffen.

Warum Studierende, die sich auf KI stützen, an Denkfähigkeit verlieren

Wer das Denken an die KI auslagert, schwächt messbar die eigene Denkfähigkeit. Graziela verweist auf eine Studie des MIT Media Lab von 2025: Studierende schrieben Essays mit ChatGPT, mit einer Suchmaschine oder ganz ohne Hilfsmittel. Im EEG zeigte die ChatGPT-Gruppe die schwächste Vernetzung der Hirnareale. Nach ein paar Tagen konnten diese Studierenden den Zusammenhang nicht mehr wiedergeben. Gelernt hatten sie nichts.

Die Gefahr liegt nicht nur darin, eine neue Kompetenz nicht aufzubauen. Man verliert auch Denkfähigkeiten, die man schon hatte. Wer die ganze Aufgabe an die KI gibt und nur das fertige Ergebnis abholt, bekommt die Arbeit geliefert, aber das Lernen findet nicht statt.

Die Forschung von Anthropic dazu, wie Menschen Claude nutzen, zeigt in dieselbe Richtung. In der Informatik lassen sich viele Nutzer die Aufgabe direkt komplett erledigen. Sie gehen sofort auf die Antwort, statt zusammenzuarbeiten oder zu diskutieren. Sie geben die Verantwortung ab. Genau darin liegt das Risiko.

KI als Co-Autorin nutzen, nicht als Autorin

Gut mit KI arbeiten heißt, mit ihr einen Prozess zu durchlaufen, statt eine Anfrage einzuwerfen und das Ergebnis einzusammeln. Der Unterschied liegt darin, ob du die KI die Aufgabe erledigen lässt oder ob du mit ihr als Partnerin gemeinsam nachdenkst.

Dafür braucht es geschützte Räume zum Experimentieren. Universitäten und Unternehmen brauchen Orte, an denen man testen, ausprobieren und herausfinden kann, wie das Werkzeug wirklich beim Lernen und Weiterentwickeln hilft. Das Ziel ist KI als Co-Autorin beim Bauen von Software, nicht als alleinige Autorin, die dich zurücklässt.

Wie man KI am besten nutzt, weiß noch niemand. Die Modelle werden mehr, der Hype um generative KI zieht weiter, und agentische KI kommt dazu, die manche Entscheidungen auf Basis von mehr Daten treffen kann, als ein Mensch überblickt. Ohne Zusammenarbeit und gemeinsame Experimente ist es kaum möglich, in diesem Tempo einen besseren Umgang mit diesen Werkzeugen zu finden.

Die Universität wird zum Knotenpunkt, der Professor zum Begleiter

Wissen ist nichts mehr, für das man an eine Universität reisen muss. Informationen sind überall, aus unzähligen Ländern und von starken Universitäten, alles über das Internet zugänglich. Der Professor ist nicht mehr der Hüter des Wissens.

Was die Universität weiterhin bieten kann, sind Vertrauen und Orientierung. Sie kann ein Knotenpunkt sein, an dem geteilte Inhalte verlässlich sind. Sie kann den Weg einer beruflichen Laufbahn gestalten, Studierenden bei guten Entscheidungen helfen und kritisches Denken und ethisches Urteilsvermögen entwickeln. Der Professor wird zum Begleiter und Förderer des eigenen Lernens jedes Studierenden.

KI passt in dieses Modell, wenn sie den Lernweg individualisiert. In Softwareentwicklung und Informatik können KI-Tutoren rund um die Uhr an der Seite der Studierenden sein, jeden auf seinem Niveau abholen und sich an die konkrete Übung oder das konkrete Problem anpassen. So eingesetzt erweitert KI das Wissen der Studierenden, statt es zu ersetzen. Universitäten können solche Werkzeuge mitentwickeln und den Umgang damit lehren, damit am Ende eine Superkraft steht und keine verkümmerte Intelligenz.

Zusammenarbeit als menschliche Antwort auf Probleme, die sich zu schnell ändern

Wissen in einer Community zu teilen ist der Weg, mit dem Menschen Schritt halten, wenn sich Technologie in nie dagewesenem Tempo verändert. Auf der einen Seite stehen komplexe Probleme: Geopolitik, Krieg, Druck auf die Umwelt. Auf der anderen Seite stehen starke Technologien und Wissen, das sich schneller verändert, als ein einzelner Mensch folgen kann.

Graziela zieht die Lehre aus der agilen Praxis, in der Squads und Gilden dafür da sind, zu diskutieren, zusammenzuarbeiten und gemeinsam bessere Lösungen zu bauen. Wenn eine Spezialistin für Qualität und Test und ein KI-Spezialist ihre Experimente und Erkenntnisse zusammenlegen, finden sie einen besseren Umgang mit dem Problem, als jeder allein finden würde.

Ihr Referenzfall ist der Impfstoff in der Pandemie. Er kam schneller, weil Forschende weltweit zusammengearbeitet haben. Jeder steuerte ein Stück Forschung bei, und daraus wurde ein Ergebnis, das viele Leben gerettet hat. Ihre Schlussfolgerung ist direkt: Menschen müssen mehr zusammenarbeiten.

“Die Umwelt braucht uns nicht. Wir brauchen die Umwelt. Die Umwelt käme auch ohne dich zurecht.”

(Graziela Tonin)

Unlearning: Was du wirklich verlernen solltest

Verlernen heißt, einen Schritt zurückzutreten und neu zu überlegen, welche Arbeit du schaffst, für wen und wie. Die agilen Prinzipien zielen längst auf nachhaltiges Arbeiten, Empathie und Mehrwert statt reinem Wettbewerb. Viele dieser menschlichen Qualitäten sind unterwegs verloren gegangen.

Menschen haben angefangen, wie Roboter zu funktionieren, und gehen jeden Tag mit demselben Berg an Aufgaben an. Psychische Probleme in Unternehmen haben zugenommen, und das hängt mit geringerer Produktivität und schwächeren Geschäftsergebnissen zusammen. Der Kreislauf aus neuen Produkten und Services, mehr Automatisierung und immer höherem Tempo hat jeden Gedanken an die Folgen für Menschen, Gesellschaft und Umwelt verdrängt.

Der Widerspruch ist scharf. Eine kleine Stadt in Brasilien hat immer noch keinen Strom, während dasselbe Ökosystem Millionen in IT-Infrastruktur, Cloud und Rechenzentren steckt, um KI-Modelle zu füttern und zu verbessern. Verlernen ist die Disziplin, innezuhalten und zu fragen, welche Arbeit es wert ist, geschaffen zu werden, bevor man noch mehr davon automatisiert.

Warum 95 Prozent der Unternehmen keinen Ertrag aus KI sehen

Die meisten KI-Investitionen scheitern, weil der Hype sie treibt und nicht die Strategie. Graziela zitiert Studien, nach denen 95 Prozent der Unternehmen, die in KI investieren, keinen Ertrag sehen. Nur 5 Prozent können einen Nutzen erkennen oder messen.

Der Grund ist strukturell. Es sind isolierte Experimente statt strategischer Entscheidungen, die über alle Ebenen des Unternehmens verbunden sind. Irgendwer probiert nebenbei etwas aus, um zu helfen, aber es wird nie mit Governance, Risikomanagement oder der eigentlichen Geschäftsstrategie verknüpft.

KI gehört in die Strategie und in die Governance, auch wegen der Risiken, die sie mitbringt, etwa bei der IT-Sicherheit. Das funktioniert nur in einer Kultur, in der Entscheidungen auf Daten beruhen, gemeinsam diskutiert wird und die Umgebung sicher genug ist, um bessere Arbeitsweisen auszuprobieren und vorzuschlagen.

Führung von oben passt nicht mehr zum Tempo des Marktes

Ein Führungsmodell, in dem die Spitze die Strategie festlegt und nach unten weitergibt, hält mit den heutigen Problemen nicht Schritt. Die Time to Market ist zu knapp und die Probleme sind zu komplex, als dass Entscheidungen von einer einzigen Ebene kommen könnten.

Führungskräfte müssen die Strategie gemeinsam mit den Menschen entwerfen, die am nächsten an der Arbeit sind. Graziela erzählt von Beratungskunden, die sie fragen, wie sie ein Problem lösen sollen, während die Leute, die seit zwanzig Jahren mit den Kunden sprechen, die Antwort längst kennen. Fang damit an, ihnen zuzuhören, sammle die Daten und triff daraus eine bessere Entscheidung.

Das zwingt auch dazu, neu zu überlegen, wie Leistung gemessen wird. Velocity als KPI sieht schlechter aus denn je, wenn KI es jedem erlaubt, große Mengen Code auszuliefern, die Schwachstellen und Sicherheitslücken enthalten können. KPIs müssen neu definiert werden, damit sie an echten Ergebnissen und einer kooperativeren Arbeitsweise hängen.

Das Juniorproblem, das noch niemand gelöst hat

Wer heute Juniorstellen streicht, kappt die Pipeline, aus der morgen die Seniors kommen. Graziela benennt den Widerspruch klar: Wenn KI den Junior Software Engineer verdrängt, woher soll später der Senior Software Engineer kommen?

Ihre Antwort ist, die Verbindung zwischen Unternehmen und Hochschulen früh zu stärken, schon im Bachelorstudium. Erfahrene Engineers können weitergeben, wie man KI gut einsetzt, wo die Risiken liegen und wie man echte, komplexe Probleme angeht. Wer Studierenden über problem- und projektbasiertes Lernen reale Probleme mitbringt, bereitet sie auf die echte Welt vor.

Davon profitiert auch das Unternehmen. Wer Studierende früh mit der eigenen Kultur vertraut macht, bekommt reifere Leute, die besser vorbereitet ins Team kommen und für die Kunden liefern.

Die Zahl des Weltwirtschaftsforums zur Umschulung

Mindestens 40 Prozent der Bevölkerung werden sich für die Zukunft der Arbeit umschulen oder weiterbilden müssen. Diese Zahl, die Graziela Studien des Weltwirtschaftsforums zuschreibt, bedeutet: eine neue Fähigkeit lernen oder eine vorhandene so umbauen, dass sie zu dem passt, was der Markt heute braucht.

Allein ist das der langsamere Weg. Umschulung in dieser Größenordnung verlangt nach mehr Partnerschaften, mehr Zusammenarbeit mit Hochschulen und Brücken, die die Lücke zwischen Ausbildung und Markt schließen.

Fähigkeiten, die länger halten als Tools und Frameworks

Wenn sich Sprachen, Frameworks und Tools ständig ändern, sind die dauerhaften Fähigkeiten die, die darunter liegen. Graziela setzt das Lernen des Lernens an die erste Stelle. Bei einer Flut von Daten zu jedem Thema musst du beurteilen, welchen Quellen du traust und wie du sie nutzt. KI kann Ideen liefern, aber dieses Urteil nimmt sie dir nicht ab.

Komplexe Probleme zu lösen bleibt menschlich, weil jeder Kunde anders ist. Die Domäne mag bekannt sein, aber dieser Kunde hat seine eigenen Eigenheiten, seine eigene Art, Anforderungen zu verhandeln und Termine zu setzen. Teamarbeit zählt aus demselben Grund: Eine Software kann man allein anfangen, aber um mehr Kunden zu bedienen, braucht es andere.

Bei der Einstellung legt Graziela mehr Wert auf Engagement, Ethik und Respekt vor Vielfalt als auf Toolwissen. Tools und Frameworks kann man gemeinsam mit Tutorials und Material lernen. Wie jemand denkt, sich Kunden gegenüber verhält und mit Menschen umgeht, ist schwerer zu vermitteln und wiegt schwerer, auch wirtschaftlich.

Verlernen heißt auch, wieder zu sich selbst zu finden

Am schwersten zu verlernen ist vielleicht, wie wir unsere Zeit verbringen. Graziela bringt die Zunahme psychischer Probleme am Arbeitsplatz damit in Verbindung, dass wir keine Zeit mehr für uns selbst reservieren: Zeit für den Park, fürs Klavier, für Yoga, für alles, was einen Menschen wieder auftankt.

Die Verbindung zu sich selbst wiederzufinden gehört zur selben Verschiebung wie das Umdenken darüber, wie wir wirtschaften und was eine Karriere ausmacht. Genauso die Folgen für die Umwelt, ein Thema, das in den letzten zwei Jahren unter dem Gewicht von KI und Geopolitik in den Hintergrund gerutscht ist. Es gibt nur eine Umwelt, und sie braucht uns nicht. Wir brauchen sie.

Häufig gestellte Fragen

Beeinflusst der Einsatz von KI zur Erledigung von Aufgaben, wie viel man lernt?

Ja, und zwar messbar. In einer Studie des MIT Media Lab von 2025 schrieben Studierende Essays mit ChatGPT, mit einer Suchmaschine oder ganz ohne Hilfsmittel. Die ChatGPT-Gruppe zeigte im EEG die schwächste Vernetzung der Hirnareale, und nach ein paar Tagen konnten sich diese Studierenden nicht mehr an den Kontext erinnern. Das Risiko besteht nicht nur darin, dass die Entwicklung neuer Kompetenzen fehlschlägt, sondern auch darin, dass bereits erworbene Denkfähigkeiten verloren gehen.

Wie kann man KI nutzen, ohne die eigenen Fähigkeiten zu schwächen?

Arbeite mit dem Modell in einem Prozess, anstatt nur eine Anfrage einzugeben und die Ausgabe zu sammeln. Der entscheidende Unterschied besteht darin, ob man die KI bittet, die Aufgabe zu erledigen, oder ob man gemeinsam mit ihr als Partner argumentiert, sodass sie eher als Co-Autor denn als alleiniger Autor fungiert. Dafür braucht es sichere Umgebungen in Unternehmen und an Universitäten, in denen Menschen ohne Konsequenzen testen und experimentieren können.

Was können Universitäten noch bieten, bei der Verfügbarkeit von Informationen überall online?

Vertrauen und Orientierung. Wissen ist nichts mehr, wofür man extra reisen muss, um es zu sammeln. Daher verlagert sich der Wert der Universität hin zu einer Drehscheibe, an der geteilte Inhalte vertrauenswürdig sind, an der ein beruflicher Werdegang gestaltet wird und an der kritisches Denken und ethisches Urteilsvermögen entwickelt werden. Der Professor wird zum Begleiter und Förderer des Lernens jedes einzelnen Studenten, statt nur der Träger von Wissen zu sein.

Warum ist Zusammenarbeit wichtiger, wenn sich die Technologie so schnell verändert?

Weil niemand allein Probleme und Technologien im Blick behalten kann, die sich in diesem Tempo wandeln. Agile Methoden bieten hier bereits eine Antwort mit Teams und Gruppen, die gemeinsam Lösungen diskutieren und entwickeln: Ein Spezialist für Qualität und Tests, der seine Experimente mit einem KI-Spezialisten bündelt, gelangt zu einem besseren Ansatz als jeder für sich allein. Aus dem gleichen Grund kam der Pandemie-Impfstoff schneller auf den Markt, weil Wissenschaftler weltweit ihre Forschungsergebnisse miteinander vernetzt haben.

Ist „Velocity“ noch ein sinnvoller KPI für Software-Teams?

Nein. „Velocity“ als Messung sieht schlechter aus denn je, wenn KI es jedem ermöglicht, große Mengen an Code zu veröffentlichen, der Schwachstellen und IT-Sicherheitslücken enthalten kann. Die Output-Menge sagt wenig über den gelieferten Mehrwert aus. KPIs müssen neu definiert werden, damit sie sich an echten Ergebnissen und einer kooperativeren Arbeitsweise orientieren, anstatt Geschwindigkeit an sich zu belohnen.

Wo sollte die Verantwortung für KI innerhalb eines Unternehmens liegen?

In der Strategie und in der Unternehmensführung, nicht in Nebenprojekten. Laut zitierten Studien investieren 95 Prozent der Unternehmen in KI ohne messbaren Ertrag, und der Grund dafür ist struktureller Natur: isolierte Experimente, die niemals mit Unternehmensführung, Risikomanagement oder Geschäftsstrategie verknüpft werden. KI birgt auch Risiken, darunter Cybersicherheit, was eine Verantwortung auf Führungsebene erforderlich macht.

Was passiert, wenn Unternehmen wegen KI Stellen für Nachwuchsingenieure streichen?

Sie zerstören damit die Nachwuchspipeline, aus der später erfahrene Ingenieure hervorgehen. Wenn es keine Nachwuchs-Softwareentwickler mehr gibt, sammelt niemand die Erfahrung, die für eine leitende Position erforderlich ist. Eine Lösung ist eine engere Zusammenarbeit zwischen Unternehmen und Hochschulen bereits während des Bachelorstudiums: Erfahrene Ingenieure vermitteln, wie KI eingesetzt wird und wo die Risiken liegen, und den Studierenden werden durch problem- und projektbasiertes Lernen reale Probleme nähergebracht.

Was zählt bei der Einstellung von technischen Fachkräften mehr als das Wissen über Tools?

Engagement, Ethik und Respekt vor Vielfalt. Tools, Programmiersprachen und Frameworks lassen sich gemeinsam anhand von Tutorials und Materialien erlernen, sie sind also die kostengünstigere Lücke, die es zu schließen gilt. Wie eine Person denkt, sich gegenüber Kunden verhält und mit Kollegen umgeht, lässt sich viel schwerer vermitteln, und das hat geschäftliche Bedeutung, denn jede Kundenbeziehung hängt davon ab.