Mensch plus KI doch besser als gedacht? Max-Planck-Team sieht das Lernen als fehlenden Baustein

Wer im Job mit KI-Tools arbeitet, kennt das Gefühl: Manchmal hilft der Vorschlag der Maschine, manchmal führt er in die falsche Richtung, und man merkt es erst hinterher. Eine neue Arbeit aus dem Max-Planck-Institut für Bildungsforschung in Berlin liefert dazu eine Beobachtung, die ich ziemlich einleuchtend finde.

Der Ausgangspunkt

2024 hatte eine viel beachtete Übersichtsarbeit 74 Studien zur Zusammenarbeit von Mensch und KI ausgewertet. Das Ergebnis klang ernüchternd: Im Schnitt waren Mensch und KI gemeinsam schlechter als der jeweils stärkere Partner allein. Das Team um Julian Berger und Stefan Herzog hat genau diese 74 Studien jetzt noch einmal unter die Lupe genommen. Die Ergebnisse sind in der Fachzeitschrift PNAS erschienen.

Was dabei herauskam

• Nur 10 der 74 Studien gaben den Teilnehmenden überhaupt Rückmeldung, ob ihre Entscheidung richtig war.
• Wo es Feedback und zusätzlich Erklärungen der KI gab, schnitt das Tandem tendenziell besser ab als der bessere Partner allein.
• Erklärungen ohne Feedback gingen dagegen mit deutlich schlechteren Ergebnissen einher.

Die Forschenden deuten das so: Erklärungen helfen vor allem dann, wenn Menschen über Rückmeldungen lernen können, wie verlässlich die KI wirklich ist. Gleichzeitig betonen sie, dass ihre Analyse Studien nur vergleicht. Für harte Aussagen braucht es Experimente, die Lernmöglichkeiten gezielt verändern, und offen ist auch, wie gut sich das auf Chatbots und große Sprachmodelle übertragen lässt.

Mein Eindruck

Mir gefällt, dass hier nicht die nächste Wunder-KI im Mittelpunkt steht, sondern der Mensch, der mit ihr arbeitet. Eine gut klingende Begründung allein kann sogar schaden, wenn man nie erfährt, ob sie gestimmt hat. Das gilt beim Programmieren genauso wie beim Übersetzen von Untertiteln. Die Details stehen in der Mitteilung der Max-Planck-Gesellschaft.