Macht generative KI Lernende produktiver, aber dümmer?

Autorin: Annette Trenz, Gründerin Trenz Institut – 15 Jahre Führungserfahrung in der IT-Beratung, Informatikerin, Global Thought Leader | Trenz Institut

Generative KI (GenAI) verspricht, den kognitiven Output zu vervielfachen und mühsame Routineaufgaben zu eliminieren. Doch eine neue Langzeitstudie stellt die unbequemen Fragen: Tauschen wir Effizienzgewinn gegen den schleichenden Verlust kognitiver Tiefe? Tauschen wir nachhaltige Kompetenz gegen Zeitersparnis?

Als Gründerin des Trenz Instituts beschäftige ich mich täglich mit der Frage, wie Führungskräfte und Unternehmen unter den Bedingungen von KI handlungsfähig bleiben. Genau deshalb bin ich zweimal hängengeblieben, als ich über die bislang größte Langzeitstudie zu GenAI und Lernverhalten gestolpert bin: Was bisher nur ein vages Unbehagen von Skeptikern war, wurde hier in harte Fakten gegossen.

Die Daten zeigen: Wir blicken nicht nur auf ein Bildungsproblem, sondern auf eine systemische Frage an unsere menschliche Wissensbasis. Leichtigkeit wird mit Lernerfolg verwechselt.

Das Fundament der Langzeitstudie

Um die Auswirkungen von Technologien auf menschliches Lernverhalten seriös zu bewerten, sind punktuelle Experimente wenig aussagekräftig. Erst Langzeitstudien zeigen, wie sich kognitive Lücken über Zeit aufbauen. Die im Juni 2026 als CEPR Discussion Paper veröffentlichte Untersuchung von David Strömberg (Stockholm University) sowie Victor Lei und Yanhui Wu (University of Hong Kong) setzt hier neue Maßstäbe.

• Umfang: ein Panel von 26.811 Schüler:innen der Klassen 7–12
• Zeitraum: 30 Monate lückenlose Datenerhebung (September 2022 bis Juni 2025)
• Datenquellen: monatliche Closed-Book-Examen (ohne Hilfsmittel), Hausaufgaben-Scores inklusive Zeitstempel sowie die staatlichen Abschlussprüfungen Zhongkao und Gaokao

Die Studie ist als Working Paper beim CEPR erschienen und noch nicht formal peer-reviewed. Sie ist damit die aktuell größte naturalistische Untersuchung ihrer Art, ihre Befunde sind als starke erste Evidenz, nicht als endgültig gesicherte Erkenntnis zu lesen.

Die Produktivitäts-Illusion: Ein unsichtbarer Kollaps

Die Studie dokumentiert eine deutliche Kluft zwischen der Erledigung einer Aufgabe und dem tatsächlichen Lernen. Besonders tückisch: Der kognitive Verfall blieb für Entscheidungsträger lange unsichtbar. Da der aggregierte Leistungsabfall im Jahr 2024 zunächst nur bei moderaten –3,4 % lag, wähnten sich die Bildungsbehörden in Sicherheit. Erst als die Quote der KI-Nutzer auf 80 % stieg und die Daten von 2025 eintrafen, wurde der Absturz von fast –10 % im Gesamtschnitt sichtbar.

Tabelle: Effizienz vs. Kompetenz – Effekte nach 6 Monaten Nutzung

Die Erosion der kognitiven Ausdauer

Lernen ist ein kumulativer Prozess. Wissen bildet eine Architektur; bricht das Fundament weg, stürzt das gesamte Gebäude mit Verzögerung ein. Die Studie belegt, dass die volle Lernstrafe (AI Penalty) erst nach etwa zwei Jahren in Hochrisiko-Prüfungen voll durchschlägt. Besonders kritisch ist die Erosion der sogenannten Cognitive Endurance (Brown et al., 2025) – der Fähigkeit, Aufmerksamkeit über längere Zeit auf anstrengende mentale Prozesse zu richten.

Während einfache monatliche Tests Lücken noch kaschieren, zeigen sich diese nach 24 Monaten deutlich:

•  High School Entrance Exam (Zhongkao): Einbußen von 24 %
•  College Entrance Exam (Gaokao): Einbußen von 18 %

Ursachenforschung: Die psychologische Falle des Outsourcing

Das Kernproblem liegt in einer psychologischen Fehlinterpretation. Nach Deslauriers et al. (2019) unterliegen Nutzer der Illusion der Meisterschaft: Sie verwechseln die Leichtigkeit der KI-gestützten Lösung mit eigenem Lernerfolg. Weil die kognitive Reibung fehlt, fühlen sie sich kompetent, während ihre tatsächliche Leistungsfähigkeit verkümmert.  Die Studie identifiziert zwei klare Nutzertypen:

1. Homework Outsourcing (81 % der Nutzer:innen):
   Diese Gruppe nutzt KI zur Vermeidung von Anstrengung. Mit minimaler Zeitinvestition (unter 45 Minuten) entstehen scheinbar perfekte Hausaufgaben. Die Folge ist eine radikale Entkopplung von Note und Wissen.
2. AI Tutoring (Minderheit):
   Schüler, die KI als Lernpartner nutzen, investieren weiterhin 50–65 Minuten pro Aufgabe. Sie erleben keinen Lernverlust. Sie haben nahezu identische Noten wie Schüler, die keine KI nutzen.

Dasselbe Muster – Plausibilität statt geprüfter Richtigkeit – beschreibt meine Kollegin, Prof. Dr. Eugenia Schmitt, in ihrem Artikel „Wenn KI Fehler überzeugender macht“ für den Kontext von Unternehmen: Auch dort werden überzeugend formulierte KI-Ergebnisse leicht mit richtigen Ergebnissen verwechselt – nur dass hier keine Schulnoten, sondern strategische Entscheidungen auf dem Spiel stehen.

Wer am meisten verliert

Der AI Penalty trifft die Leistungsstarken am härtesten. Das führt zu einer gefährlichen Kompression der Leistungsverteilung, bei der die Spitze des Talentpools nach unten gedrückt wird.

• High-Achiever (oberes Drittel): Absturz um –24 %. Wer am meisten zu verlieren hat, verlässt sich am stärksten auf die neue Bequemlichkeit.
• Schwächere Schüler:innen: Rückgang um –16 %.

Jungen verzeichnen mit –21,6 % höhere Einbußen als Mädchen (–18,4 %) – getrieben durch höhere Nutzungsintensität und geringere Hemmungen beim Outsourcing an die KI.

Die Verwechselung von Leichtigkeit mit Lernerfolg

Zusammenfassend zeigt die Studien: Generative KI verringert nicht die Lerneffizienz an sich. Der oft beobachtete Leistungseinbruch liegt nicht am Werkzeug, sondern daran, dass die gewonnene Zeit nicht zum tieferen Lernen genutzt wird. Die Leichtigkeit der Aufgabenerfüllung wird mit Lernerfolg verwechselt.

Was das für Führung und Unternehmen bedeutet

Aus meiner Arbeit mit Führungskräften kenne ich dieses Muster. In Unternehmen werden Aufgaben an KI delegiert, und ein plausibles Ergebnis oftmals mit einem korrekten Ergebnis verwechselt.
Und genau darin liegt für mich die eigentliche Gefahr: Ein perfektes Ergebnis ist heute kein Beleg mehr für echte Kompetenz.

1. Produktivitäts-Illusion vs. Kognitiver Abbau:
   Mitarbeiter liefern Berichte, Marktanalysen oder Code-Abschnitte in Rekordzeit ab, die auf den ersten Blick perfekt wirken. Doch dieser scheinbare Produktivitäts-Boost kann die Anstrengung verdrängen, die für den eigentlichen Kompetenzerwerb oder -erhalt notwendig ist.
2. Outsourcing vs. AI Sparring:
   Mitarbeiter, die Aufgaben komplett an die KI delegieren (z. B. eine Strategie generieren lassen, ohne sie zu durchdenken), verlieren die Fähigkeit, ihre eigenen Arbeitsergebnisse kritisch zu hinterfragen. Experimente des MIT Media Labs zeigen beispielsweise, dass Menschen, die Texte mit ChatGPT verfassen, sich später schlechter an ihre eigenen Argumente erinnern und während des Schreibprozesses eine geringere neuronale Aktivität aufweisen. Unternehmen müssen daher aktiv fördern, dass KI als Herausforderer (Sparringspartner) und nicht als bequemer Ghostwriter eingesetzt wird.
3. Die Kompetenz-Zeitbombe tickt:
   Solange das Tagesgeschäft standardisiert abläuft, fällt der Kompetenzverlust nicht auf – die KI liefert die Antworten. Die Quittung kommt jedoch zeitverzögert bei unvorhergesehenen Krisen, Kehrtwenden oder hochkomplexen, neuartigen Problemen, die nicht in den Trainingsdaten der KI liegen. Wenn die Belegschaft das eigenständige Problemlösen verlernt hat, droht dem Unternehmen ein schleichender Wissenskollaps.

Wenn wir ausschließlich Ergebnisse bewerten, belohnen wir möglicherweise diejenigen, die GenAI am effizientesten bedienen – nicht diejenigen, die Zusammenhänge verstehen, Ergebnisse kritisch prüfen und Verantwortung dafür übernehmen können.

Mein Punkt ist: GenAI sollte unser Denken herausfordern. Nicht ersetzen.

Wir müssen deshalb künftig stärker prüfen, ob Menschen erklären, hinterfragen und ihr Wissen auf neue Situationen übertragen können. Das deckt sich mit dem, was ich in meinem Artikel „Die Evolution der Future Skills“ beschrieben habe: Analytisches Denken bleibt trotz KI-Revolution die meistgefragte Kernkompetenz. Wer sie nicht mehr trainiert, weil KI sie scheinbar übernimmt, verliert genau die Fähigkeit, die am Ende den Unterschied macht.

Fazit: Drei Imperative für Bildung und Wirtschaft

Es gibt einen Hoffnungsschimmer: Die Daten zeigen, dass der AI Penalty von –25 % (Anfang 2023) auf –16 % (Juni 2025) gesunken ist. Lernende und Lehrkräfte beginnen sich anzupassen. Doch die Barriere zur vollständigen Eliminierung der Lernverluste bleibt hoch. Für Bildung und Wirtschaft ergeben sich daraus drei Imperative:

1. Prozess über Output: In einer Welt perfekter KI-Ergebnisse müssen Führungskräfte vermehrt den Weg dorthin – die Argumentation, das Verständnis und die investierte Mühe – hinterfragen.
2. Closed-Book Momente schaffen: Closed-Book-Prüfungen sind kein Relikt der Vergangenheit, sondern das derzeit verlässlichste Instrument zur Qualitätssicherung menschlicher Kompetenz. In Meetings sollten Konzepte und Problemlösungen regelmäßig spontan und ohne digitale Hilfsmittel auf dem Whiteboard hergeleitet werden, um das ununterstützte Denken zu trainieren.
3. Kognitive Endurance trainieren: Wir müssen die Fähigkeit zur mentalen Anstrengung gezielt fördern. KI-Literacy bedeutet nicht „Prompt Engineering“, sondern die bewusste Entscheidung, KI Vorgehensweise zu hinterfragen.

Wer Intelligenz durch Bequemlichkeit ersetzt, spart heute Zeit – und zahlt morgen mit der Unfähigkeit, Urteilen zu können.

Quellen

[1] Strömberg, D., Lei, V., & Wu, Y. (2026). The Generative AI Learning Penalty: Evidence from Chinese Secondary Education (CEPR Discussion Paper No. 21577). Centre for Economic Policy Research. Working Paper, nicht peer-reviewed.

[2] Deslauriers, L., McCarty, L. S., Miller, K., Callaghan, K., & Kestin, G. (2019). Measuring actual learning versus feeling of learning in response to being actively engaged in the classroom. PNAS, 116(39), 19251–19257.

[3] Kosmyna, N. et al. (2025). Your Brain on ChatGPT: Cognitive Debt. MIT Media Lab.

[4] Acemoglu, D., Kong, D., & Ozdaglar, A. (2026). AI, Human Cognition and Knowledge Collapse (NBER Working Paper No. 34910). National Bureau of Economic Research.  

Wissenschaftlicher Kontext

Die Ergebnisse von Strömberg, Lei und Wu reihen sich in eine wachsende Forschungslinie ein:

• Kosmyna et al. (MIT, 2025): warnen vor „Cognitive Debt“. MRT-Daten zeigen reduzierte Gehirnaktivität bei KI-gestützten Schreibaufgaben.
• Acemoglu et al. (2026): warnen vor „Knowledge Collapse“. Wenn der Anreiz schwindet, selbst Wissen zu generieren, erodiert die kollektive Innovationsfähigkeit einer Gesellschaft.

Autorin