KI ist noch nicht bereit für die echte Arbeit: Warum Modelle bei komplexen Aufgaben versagen

Investoren im KI‑Boom bitten Angestellte im weißen Kragen, ihre schwierigsten Probleme abzugeben, und versprechen den Beschäftigten, dass sie ihre Nachmittage zurückbekommen, wenn sie nur ein wenig mehr ihrer Daten preisgeben. Komplexe Analysen, Entscheidungsfindungen und die über Jahre entwickelten Arbeitsabläufe werden von einem Modell übernommen, angeblich um den Menschen für etwas Besseres freizusetzen. Das ist derzeit das vorherrschende Narrativ in der Unternehmens‑USA, und es ist eine Falle. 

The Capability Myth: Why Models Flunk Complex Tasks

Eine neue Studie der UC Berkeley testete führende KI‑Agenten an realen beruflichen Aufgaben in 55 Branchen, von Gesundheitswesen über Finanzen bis Recht. Die Gesamtleistung lag unter 25 Prozent. Anschließend isolierten die Forschenden die schwierigste Aufgabe in jedem Bereich – die Art von Arbeit, die einen Senior‑Profi von einem Junior unterscheidet – und jedes einzelne Modell scheiterte. Die Ergebnisse waren nicht nur niedrig, sie lagen bei null. 

Man könnte denken, ein solches Ergebnis würde das Narrativ von selbst ändern, doch das ist nicht geschehen. Branchenübergreifend haben KI‑Investoren zu viel darauf gesetzt, Fachleute davon zu überzeugen, dass die meisten aktuellen KI‑Modelle weiter entwickelt sind, als sie tatsächlich sind. Doch die interessanteste Frage ist nicht, ob KI heute die schwierigsten Teile eines Jobs erledigen kann, weil wir und alle, die KI verkaufen, die Antwort darauf bereits kennen. 

Das führt also zu einer weiteren Frage. Was passiert mit dem Urteilsvermögen eines jungen Fachmanns, wenn er in diesen Datenaustausch einsteigt, bevor sein eigenes Denken vollständig ausgebildet ist? 

The Minnesota Findings: How AI Flattens Skill Toward the Middle

Eine neue empirische Studie der University of Minnesota Law School liefert eine konkrete Antwort, indem sie das Recht als Testfall verwendet. Forschende stellten etwa einhundert fortgeschrittene Jurastudierende einer Reihe realistischer Aufgaben gegenüber: das Gesetz aus Rohmaterial zu synthetisieren, geschlossene Fragen zu beantworten, um ihr Wissen zu prüfen, das Gesetz auf ein Sachmuster anzuwenden und anschließend ihre eigene Arbeit zu überarbeiten. Einer Gruppe stand KI nur beim allerersten und beim letzten Schritt zur Verfügung. Die andere Gruppe hatte bis zum Schluss keine KI.

Studierende, die KI nutzten, um ihren ersten Entwurf zu erstellen, lieferten stärkere Arbeiten und das schneller, was nicht völlig außergewöhnlich ist. Bemerkenswert ist jedoch, was danach geschah. Die Forschenden erwarteten, dass die frühe KI‑Nutzung eine Verständnislücke hinterlässt, die später sichtbar wird, wenn das Werkzeug entzogen wird. Das trat jedoch nicht ein. Studierende, die KI zur Synthese des Rechts eingesetzt hatten, verstanden das Gesetz nach einer kalten Prüfung sogar besser als die ohne KI arbeitenden, das eigenständige Denken wurde nicht untergraben. Es blieb erhalten und verbesserte sich in manchen Fällen sogar. 

Die Wendung kam in der Endphase, als allen Studierenden KI zum Überarbeiten ihrer Arbeit zur Verfügung stand. Studierende, die mit einem schwächeren Memo begannen, nutzten den Zugriff, um es tatsächlich zu verbessern. Studierende, die mit einem stärkeren Memo starteten, wurden schlechter. Allein mit einem leistungsfähigen Werkzeug und ohne weitere Struktur zur Nutzung, kumulierte das Können nicht, sondern glättete sich zur Mitte hin. 

Diese beiden Studien zusammen liefern eine klare Wahrheit: KI ist kein Ersatz für professionelles Urteilsvermögen, und die Zahlen von Berkeley sollten diese Debatte endgültig beenden. Gleichzeitig ist KI jedoch keine korrosive Kraft, die bei Kontakt das Denken zersetzt. Ihre Wirkung hängt ausschließlich davon ab, an welcher Stelle im Prozess sie zum Einsatz kommt. 

Sequencing Over Substitution: Keeping Judgment at the Core

Dies gilt auch außerhalb des juristischen Bereichs. Jede Wissens‑Berufung führt derzeit ihre eigene Variante dieses Experiments durch: der Arzt, der entscheidet, ob ein Modell eine differenzierte Diagnose entwerfen darf, der Analyst, der entscheidet, ob ein Modell den ersten Entwurf einer Analyse erstellen soll, und der Mitarbeiter, der entscheidet, ob ein Modell ein Argument strukturieren darf, bevor er es selbst ausgearbeitet hat. Die Minnesota‑Ergebnisse deuten darauf hin, dass die Antwort kein pauschales Ja oder Nein zu allen KI‑Formen ist. Es geht um die Reihenfolge. KI gehört an den Anfang der Routinetätigkeiten und der Teile eines Jobs, die Reibung erzeugen, jedoch nicht zum Urteilsvermögen. Sie gehört nicht in den Kern der Aufgabe, für die der Kunde tatsächlich bezahlt, und derzeit kann sie dort nicht hinkommen, selbst wenn sie es versuchen würde. 

Die Unternehmen, die weiterhin das Gegenteil versprechen, verkaufen eine KI‑Version, von der die Daten sagen, dass sie nicht existiert. Diejenigen, die ihre Produkte und Kundenbeziehungen an der Grenze ausrichten, die die Forschung tatsächlich aufzeigt, werden in fünf Jahren noch von Fachleuten vertraut werden. Alle anderen werden ihre Zeit damit verbringen, ein sehr teures Missverständnis zu erklären.