TLDR: Kognitives Offloading entsteht nicht, weil jemand KI nutzt. Es entsteht, sobald eine Aufgabe so gebaut ist, dass die KI urteilt, bevor der Mensch selbst geurteilt hat. Mehrere 2026 veröffentlichte Studien zeigen erstmals mit Präzision, wann KI-Einsatz Denkkompetenz abbaut und wann er sie stärkt. Und die aktuellen Zahlen aus deutschen Unternehmen zeigen: Genau jene Nutzungsform, die laut Forschung am stärksten schadet, unstrukturierte KI-Nutzung ohne Lernrahmen, ist im betrieblichen Alltag längst Normalfall.
Die Debatte um kognitives Offloading lief die letzten paar Jahre als Entweder-oder. KI raus aus dem Lernprozess, weil sie das Denken abbaut oder KI rein, weil sie beim Denken hilft. Für beide Seiten liessen sich Einzelbeobachtungen finden. Für keines gab es bisher eine wirklich belastbare Antwort.
2026 kippt das wohl nun. Die Bildungsforschenden Jason Lodge und Loretta Loble argumentierten in einem vielbeachteten Beitrag, kognitives Offloading sei nicht per se schädlich. Entscheidend sei, was mit der freigewordenen Denkkapazität geschieht: Wird sie in tieferes Denken reinvestiert, oder verpufft sie einfach? Diese Verschiebung, weg von der Frage ob, hin zur Frage wann, öffnete nun wohl den Weg für präzisere Forschung. Innert weniger Wochen erschienen mehrere Studien im selben Fachjournal, die genau diese Frage empirisch beantworten: Wann führt KI-Nutzung tatsächlich zu Kompetenzverlust? Und wann verbessert sie das Denken?
Gemäss den aktuellen Studien heisst es, es kommt nicht darauf an, ob jemand KI nutzt, sondern wie.
Wird KI nur als Ersatz genutzt, Aufgabe rein, Antwort raus, verschwindet das eigene Denken. In einer kleinen Studie kam eigenständiges Denken in solchen Fällen kein einziges Mal vor.
Unter Zeit- und Notendruck steigt dieser reine Ersatz-Modus stark, bei echtem Interesse bleibt er selten. Der Druck entscheidet, nicht das Werkzeug.
Bekommt jemand sofort ein KI-Urteil, statt zuerst selbst zu urteilen, sieht das kurzfristig gut aus, schadet aber langfristig.
Auch wenig KI-Nutzung kann schaden, wenn sie unstrukturiert ist. Wer nur hier und da ein bisschen KI einsetzt, lernt teils weniger als jemand, der ganz darauf verzichtet.
Insgesamt nutzt nur eine kleine Minderheit KI so, dass sie wirklich profitiert. Die Mehrheit tut es auf eine Art, die eher schadet.
Was kognitives Offloading eigentlich bedeutet
Kognitives Offloading bezeichnet eine einfache Idee aus der Kognitionsforschung (die geistigen Aktivitäten und die Verarbeitung von Informationen im Gehirn. Dazu gehören bewusste und unbewusste Prozesse wie Wahrnehmung, Denken, Gedächtnis, Sprache und das Lösen von Problemen): Menschen lagern mentale Aufgaben an äussere Hilfsmittel aus, wenn ihnen das die eigene Denkarbeit erleichtert. Ein Taschenrechner übernimmt das Rechnen, ein Kalender das Erinnern, ein Notizbuch das Behalten. Das ist seit jeher normal und meist unproblematisch, weil diese Hilfsmittel nur ausführen oder speichern, was der Mensch ihnen vorgibt. Sie urteilen nicht.
KI verändert genau das. Sie übernimmt nicht mehr nur Ausführung. Sie liefert Bewertung, gewichtet Argumente, entscheidet vor, was überzeugend oder richtig wirkt. Diese Verschiebung, vom Auslagern der Arbeit zum Auslagern des Urteils, macht kognitives Offloading im Umgang mit KI zu einer anderen Kategorie von Phänomen als beim Taschenrechner. Genau an dieser Verschiebung setzt die neue Forschung an.
Wann Offloading tatsächlich passiert
Ein Forschungsteam um Yiran Cui hat 24 Studierende begleitet und 120 ihrer realen KI-Gespräche ausgewertet, 688 Nachrichten insgesamt, jede einzelne nachträglich von den Studierenden erklärt und nach Denktiefe codiert (Cui et al., 2026). Das Ergebnis lässt wenig Interpretationsspielraum. In den 127 Nachrichten mit reinem Ersatz-Charakter, Aufgabe einfügen, Antwort übernehmen, kam die höchste Form des Denkens, das kritische Bewerten und Weiterentwickeln von Ideen, kein einziges Mal vor. Nicht selten. Nie. (und ja ich weiss, ein sehr kleines Sample).
Was ich spannend an der Studie finde ist, was die Aufgabe verlangt macht den Unteschied. Denn bei derselben Gruppe stieg der Anteil des reinen Ersatz-Modus von 5,3 Prozent auf 64,6 Prozent, je nachdem, ob unter Termin- und Notendruck gearbeitet wurde oder aus echtem Interesse. Offloading folgt demnach dem Anreiz, nicht dem Werkzeug.
Wie stark der Aufbau einer Aufgabe über das Ergebnis entscheidet, zeigt auch ein Feldexperiment des Forschers Ates mit 1'176 Erstsemester-Studierenden an vier Hochschulen über zehn Wochen (Ates, 2026). Kritisierte die KI jeden Entwurf sofort nach Abgabe, verbesserten sich die Texte am schnellsten. Dieselbe Gruppe schnitt Wochen später, im Test ohne KI, aber am schlechtesten von allen ab. Wer sofort ein fremdes Urteil bekommt, hört auf, selbst zu urteilen, und redigiert nur noch fremde Meinung.
Am kontraintuitivsten ist spannenderweise ein weiterer, dritter Befund aus einer Studie mit 912 Studierenden in China, Europa und den USA (Wang & Zhang, 2026). Wer KI nur sporadisch einsetzte, hier einen Satz korrigieren, dort einen Fakt prüfen, lernte weniger als jene, die gar keine KI nutzten. Diese Gruppe trug also die volle kognitive Last der Aufgabe plus den Zusatzaufwand, das Werkzeug zu bedienen, ohne dass dadurch Kapazität für tieferes Denken frei wurde. Nicht die Menge des Offloadings entscheidet über den Schaden. Die fehlende Struktur tut es.
Über zwei unabhängige Untersuchungen hinweg zeigt sich dasselbe Bild, einmal im Detail, einmal auf grosser Ebene. In Cuis Gesprächsdaten zeigte sich die produktive Form der Zusammenarbeit mit KI in gerade einmal 7,5 Prozent aller Gespräche. Der Forscher Strömberg fand das identische Muster auf Bevölkerungsebene: Sich selbst überlassen, nutzt die Mehrheit der Lernenden KI auf eine Weise, die ihr Lernen schwächt. Nur eine Minderheit nutzt dieselbe Technologie auf eine Weise, die es vertieft (Strömberg, 2026).
Was das heisst?
Kognitives Offloading entsteht nicht durch KI-Nutzung an sich, sondern dadurch, dass die KI urteilt, bevor der Mensch selbst geurteilt hat.
In 127 von 688 untersuchten Nachrichten mit reinem Ersatz-Charakter kam kritisches Denken kein einziges Mal vor (Cui et al., 2026).
Sofortiges KI-Feedback verbessert kurzfristig die Leistung, die Rangfolge kehrt sich im Test ohne KI aber vollständig um (Ates, 2026).
Sporadische, unstrukturierte KI-Nutzung schneidet schlechter ab als der komplette Verzicht auf KI (Wang & Zhang, 2026).
Zwei Minuten Selbstbewertung vor dem KI-Feedback sind der wirksamste einzelne Hebel, besonders für unerfahrene Personen.
Prüfkompetenz, das eigene Urteil vor das der Maschine zu stellen, zu begründen und ohne KI zu verteidigen, ist die eigentliche Fähigkeit hinter allen sechs Prinzipien.
41 Prozent der deutschen Unternehmen nutzen KI aktiv, aber nur 21 Prozent haben eine formale Strategie (Bitkom, 2026), genau die Lücke, die laut Forschung am meisten schadet.
-WERBUNG-
Mehr KI Kompetenz? Inkl. Kompetenznachweis? Dazu haben wir das KI-Update entwickelt. Kurse, Updates, Newsletter und Podcasts: ein Ort für all dein KI Wissen. Werde Teil unserer exklusiven Community! Tausche dich mit Gleichgesinnten aus, erhalte exklusive Inhalte und nimm an Live-Sessions teil. Mehr Infos gibts auf:
Der blinde Fleck in Schweizer und deutschen Unternehmen
Diese Befunde treffen die betriebliche Realität nicht am Rand, sondern im Kern. Eine repräsentative Erhebung des Digitalverbands Bitkom unter 604 deutschen Unternehmen ab 20 Beschäftigten zeigt für 2026: 41 Prozent setzen KI inzwischen aktiv ein, gegenüber 17 Prozent im Vorjahr (Bitkom, 2026). Nur 21 Prozent verfügen dabei über eine formale KI-Strategie. Der Rest lässt ausprobieren, ohne festzulegen, welche Aufgaben sich verändern und welche Kompetenz dabei erhalten bleiben soll.
Genau hier liegt der Anschluss an die Forschung. Der McKinsey HR Monitor 2026 zeigt: Deutsche Mitarbeitende kommen im Schnitt auf 2,5 Weiterbildungstage pro Jahr, den tiefsten Wert unter allen untersuchten Ländern (McKinsey & Company, 2026). Gleichzeitig verfügt nicht einmal jedes dritte Unternehmen über eine schriftlich fixierte Weiterbildungsstrategie, und der Anteil jener Firmen, die Weiterbildung für wenig oder gar nicht wichtig halten, hat sich seit 2024 verfünffacht (TÜV-Verband, 2026). Formale Lernstruktur nimmt ab. Informelle, unstrukturierte KI-Nutzung nimmt zu. Genau diese Kombination schneidet im Feldversuch am schlechtesten ab, schlechter noch als der komplette Verzicht auf KI.
Das heisst nicht, dass Unternehmen KI bremsen sollten. Es heisst, dass die eigentliche Frage nicht lautet, ob KI erlaubt ist, sondern ob eine Struktur existiert, die entscheidet, ob sie hilft oder schadet. Diese Struktur fehlt in den meisten Organisationen bislang.
Wann KI das Denken tatsächlich verbessert
Zurück zu Ates' Feldexperiment. Eine dritte Gruppe bekam vor der KI-Kritik zwei Minuten Zeit für ein eigenes Urteil: stärkste Stelle, schwächste Stelle, ungeklärte Frage, wichtigste Überarbeitung. Diese Gruppe schlug die Sofort-Feedback-Gruppe nicht nur kurzfristig, sondern behielt den Vorsprung auch Wochen später, im Test ohne KI. Rund 40 Prozent dieses langfristigen Vorteils liess sich direkt auf den Akt der Selbstbewertung zurückführen. Ausgerechnet die unerfahrensten Studierenden profitierten am meisten (Ates, 2026).
Ein zweiter Befund aus Cuis Gesprächsanalyse bestätigt das Muster von der anderen Seite. Ein Teil der Studierenden behandelte die KI als Sparringspartner:in: eigene Ideen einbringen, widersprechen, das Ergebnis als Material zur Bewertung nehmen statt als fertige Antwort. Nur in diesen Gesprächen zeigte sich die vollständige Kette höherer Denkprozesse, vom Verstehen der Aufgabe bis zum kritischen Bewerten und Weiterentwickeln (Cui et al., 2026).
Die dritte Beobachtung stammt aus derselben Studie mit den 912 Studierenden, die auch die schädlichste Nutzungsform identifizierte. Wer ganze Kategorien unterstützender Arbeit an KI delegierte, Quellen zusammenfassen, erste Literaturdurchsicht, Daten ordnen, und die freigewordene Zeit gezielt in das investierte, was KI nicht abnehmen kann, Annahmen hinterfragen, Argumente prüfen, eigene Positionen entwickeln, zeigte das tiefste Lernen im gesamten Datensatz. Delegation der Arbeit verbesserte das Denken. Delegation des Denkens selbst zerstörte es. Derselbe Begriff, Offloading, beschreibt zwei entgegengesetzte Handlungen (Wang & Zhang, 2026).
Wie tragfähig diese Grenze ist, zeigt eine Untersuchung von Dai und Chan mit 28 Promovierenden und Masterstudierenden der University of Hong Kong, einer der am intensivsten KI-nutzenden Gruppen überhaupt, mit kaum offiziellen Leitplanken (Dai & Chan, 2026). Ohne dass es ihnen jemand beigebracht hätte, zogen sie exakt dieselbe Linie wie die Experimente: KI durfte jede Aufgabe unterstützen, solange die Entscheidungshoheit und das eigentliche Denken bei ihnen selbst blieben.
Sechs Prinzipien für die betriebliche Praxis
Aus diesen Befunden lassen sich sechs Designprinzipien ableiten, die sich unmittelbar auf Trainings, Onboarding-Programme und Führungsentwicklung übertragen lassen:
Beim Verstehen grosszügig sein. In der Phase, in der neues Wissen aufgebaut wird, darf KI uneingeschränkt erklären, Beispiele liefern, Rückfragen beantworten.
Bei der eigenen Leistung zuerst urteilen lassen. Bevor KI einen Entwurf, eine Analyse oder eine Entscheidung kommentiert, sollte eine eigene Einschätzung stehen. Zwei Minuten reichen, der Effekt ist bei den am wenigsten erfahrenen Personen am grössten.
KI auf Kritik statt auf Vervollständigung konfigurieren. Stärken, Schwächen, fehlende Argumente, Vorschläge zur Überarbeitung, das darf KI liefern. Die vollständige Lösung nicht.
Die Entscheidung sichtbar machen lassen. Annehmen, ablehnen oder anpassen, mit Begründung. Ein kurzer Vermerk, warum ein KI-Vorschlag verworfen wurde, baut Bewertungskompetenz auf.
Delegation grosszügig zulassen, aber gezielt. Ganze Kategorien unterstützender Arbeit dürfen an KI gehen, sofern die freigewordene Zeit bewusst in Fragen, Prüfen und eigene Positionen investiert wird.
Regelmässig ohne KI prüfen. Ein Test ohne Werkzeug pro Quartal zeigt, ob Kompetenz aufgebaut oder nur Abhängigkeit erzeugt wurde.
Wer diese sechs Punkte in ein Training, ein Onboarding oder eine Führungsentwicklung einbaut, verwandelt kognitives Offloading von einem Risiko in einen Hebel.
Und darum bin ich nach wie vor überzeugt:
Die Zukunft gehört nicht dem stillen Abgeben des Denkens an Maschinen, sondern dem bewussten gemAInsamen Arbeiten, bei dem der Mensch die Eigentümerschaft über das eigene Urteil behält. Wer das in seiner Organisation strukturell verankert, gewinnt Kompetenz durch KI, statt sie zu verlieren. Also wenn du reden willst, und wenn du mit mir zusammenarbeiten willst: melde dich gerne www.rogerbasler.ch
Disclaimer: Dieser Artikel wurde nach meinem eigenen Wissen und dann mit Recherchen mit KI (Perplexity.Ai und Grok.com sowie Gemini.Google.com) manuell zusammengestellt und mit Deepl.com/write vereinfacht. Der Text wird dann nochmals von zwei Personen meiner Wahl gelesen und kritisch hinterfragt. Das Bild stammt von Ideogram.Ai und ist selbst erstellt. Dieser Artikel ist rein edukativ und erhebt keinen Anspruch auf Vollständigkeit. Bitte melde dich, wenn Du Ungenauigkeiten feststellst, danke.
Quellen und weitere Informationen:
Bitkom e.V. (2026). Künstliche Intelligenz in Deutschland – Studienbericht 2026. https://www.bitkom.org/sites/main/files/2026-02/bitkom-studienbericht-ki.pdf
Duc, T. M. (2026). Generative AI and cognitive offloading in higher education: Implications for learning, knowledge production, and academic thinking. European Journal of Applied Science, Engineering and Technology, 4(3), 58–69. https://doi.org/10.59324/ejaset.2026.4(3).06
Hardman, P. (2026, 7. August). How to design around cognitive offloading. Dr Phil's Newsletter (Substack). https://drphilippahardman.substack.com/p/how-to-design-around-cognitive-offloading [Sekundärquelle für Cui et al. (2026), Ates (2026), Strömberg (2026), Dai & Chan (2026) und Tian et al. (2026). Diese Primärstudien liessen sich zum Zeitpunkt der Recherche nicht eigenständig auffinden.]
Hardman, P. (2026, 16. April). The "cognitive offloading" paradox. Dr Phil's Newsletter (Substack). https://drphilippahardman.substack.com/p/the-cognitive-offloading-paradox [Enthält die Befunde von Wang & Zhang (2026), unabhängig verifiziert über deren Publikation im International Journal of Educational Technology in Higher Education, März 2026.]
Lodge, J. M., & Loble, L. (2026). Artificial intelligence, cognitive offloading and implications for education [Bericht]. Zitiert nach: Education International. (2026, 26. Juni). AI and cognitive offloading: Supporting teachers to shape AI's impact on learning. https://www.ei-ie.org/en/item/32652
McKinsey & Company. (2025). HR-Monitor 2025. https://www.mckinsey.com/de/news/presse/2025-07-21-hr-monitor-2025
Risko, E. F., & Gilbert, S. J. (2016). Cognitive offloading. Trends in Cognitive Sciences, 20(9), 676–688.
Yang, X. et al. (2026). AI-based cognitive offloading by students in higher education in China [Vollständige Autorenliste und Zeitschriftentitel zum Zeitpunkt der Recherche nicht abschliessend verifizierbar]. ScienceDirect. https://www.sciencedirect.com/science/article/pii/S2949882126000794
