TL;DR: Ein halbes Jahrhundert lang ruhte die Wissenschaft der Expertise auf einem Befund: Menschen werden bei einer Fähigkeit dramatisch besser durch bewusstes Üben, also wiederholte Anstrengung an der Grenze ihres Könnens, gepaart mit sofortiger Rückmeldung. KI zerbricht den Liefermechanismus dieses Übens. Wenn das Werkzeug die Wiederholungen macht, behalten Sie den Output, verlieren aber das Ringen, das früher die Fähigkeit aufbaute; kontrollierte Studien zeigen bereits, dass KI den Durchsatz eines Anfängers um 34 Prozent steigert, ohne dass der Anfänger darunter zwangsläufig besser wird. Dieser Leitfaden liefert die Wiederholungs-Allokationsmatrix, ein benanntes CEOtudent-Rahmenwerk, um zu entscheiden, welche Wiederholungen man von Hand behält und welche man sicher abgibt, sowie ein vierteiliges Protokoll, um die Schleife des bewussten Übens auf KI-gestützter Arbeit wieder aufzubauen. Ein CEO schützt die Werte, die sich verstärken, und automatisiert den Rest; ein Student macht die harten Wiederholungen bewusst weiter, weil dort das Wachstum noch lebt.
Anders Ericsson verbrachte seine Laufbahn damit zu zeigen, dass Spitzenleistung gebaut, nicht geboren wird. Seine Forschung von 1993 belegte, dass die Menge und Qualität des bewussten Übens, nicht rohes Talent, am besten erklärte, wer in Musik und anderen anspruchsvollen Domänen Spitzenniveau erreichte. Das Wort bewusst leistet dort Schwerarbeit. Es ist keine Wiederholung im Autopiloten. Es ist mühevolles, unbequemes, rückmeldungsreiches Üben, genau auf das gerichtet, was Sie noch nicht können. Dieser Mechanismus kollidiert nun mit einer Technologie, deren gesamtes Wertversprechen darin besteht, Mühe zu entfernen und Ihnen das fertige Ergebnis zu reichen.
Das Wiederholungsproblem
Hier ist die Spannung in einem Satz. Bewusstes Üben verlangt, dass Sie das Schwierige wiederholt tun, und KI existiert, um das Schwierige für Sie zu tun. Jedes Mal, wenn Sie einen KI-erzeugten Entwurf annehmen, eine KI-Analyse laufen lassen, die Sie selbst nicht durchführen könnten, oder eine Korrektur ausliefern, die Sie nicht verstanden haben, schließen Sie die Aufgabe ab und überspringen das Üben. Die Arbeit wird erledigt. Das Lernen passiert nicht. Über Monate erzeugt das ein bestimmtes und gefährliches Profil: eine Person, deren sichtbarer Output weiter steigt, während ihre zugrunde liegende Fähigkeit still stagniert oder verfällt.
Wir haben dafür bereits einen Hinweis in den Daten. In der größten kontrollierten Studie zu KI am Arbeitsplatz steigerte der Zugang zu einem KI-Assistenten den Kundendienst-Durchsatz im Schnitt um 14 Prozent und bei Anfängern um 34 Prozent, größtenteils, indem er ihnen die Formulierungen und Lösungen lieferte, die fähige Kollegen mühsam gelernt hatten. Das ist ein echter Produktivitätsgewinn. Aber beachten Sie, was es ist: das Werkzeug verbreitet Expertise, die der Anfänger nicht aufgebaut hat. Ob der Anfänger etwas davon verinnerlicht oder sich einfach für immer auf das Werkzeug stützt, ist eine offene Frage, die die Durchsatzzahl nicht beantworten kann. Dieselbe Mehrdeutigkeit steckt gerade in jedem KI-gestützten Beruf.
Es hilft, sich zu erinnern, dass bewusstes Üben nie überall gleich mächtig war. Die sorgfältigste Meta-Analyse des Feldes fand, dass es stark von der Domäne abhängt, wie viel Üben Leistung erklärt, und besonders davon, wie strukturiert und rückmeldungsreich diese Domäne ist.
Verifizierte Daten: wie viel bewusstes Üben Leistung erklärt, nach Domäne
| Domäne | Von bewusstem Üben erklärte Leistungsvarianz | Rückmeldungsstruktur |
|---|---|---|
| Spiele | 26 Prozent | Eng, sofort, eindeutig |
| Musik | 21 Prozent | Eng, sofort |
| Sport | 18 Prozent | Ziemlich eng |
| Bildung | 4 Prozent | Locker, verzögert |
| Berufe | Weniger als 1 Prozent | Locker, verrauscht, verzögert |
Quelle: Macnamara, Hambrick und Oswald, Psychological Science (2014).
Das Muster ist die Lehre. Üben zahlt sich am meisten dort aus, wo die Rückmeldung eng und sofort ist, und am wenigsten, wo sie locker und verzögert ist. KI-gestützte Wissensarbeit sitzt standardmäßig am unteren Ende dieser Tabelle, weil das Werkzeug die Rückmeldungsschleife aufsaugt und Ihnen ein poliertes Ergebnis reicht, bevor Sie gespürt haben, wo Sie danebenlagen. Die strategische Antwort ist nicht, KI aufzugeben. Sie ist, die eng rückgekoppelten Wiederholungen, die das Werkzeug sonst auslöschen würde, bewusst wieder einzuführen und wählerisch zu sein, welche das sind.
Die Wiederholungs-Allokationsmatrix
Nicht jede Wiederholung ist es wert, behalten zu werden. Manche schwierigen Aufgaben bauen Fähigkeiten auf, die sich verstärken und wertvoll bleiben, also sollten Sie sie von Hand weitermachen, selbst wenn KI sie übernehmen könnte. Andere sind Plackerei, die nichts Dauerhaftes aufbaut, also ist ihr Abgeben reiner Gewinn. Der Fehler ist, die Wahl als Alles-oder-nichts zu behandeln, entweder aus Nostalgie alles von Hand zu tun oder alles abzugeben und auszuhöhlen. Die Wiederholungs-Allokationsmatrix erzwingt die Wahl Wiederholung für Wiederholung.
CEOtudent-Redaktionsrahmen: Die Wiederholungs-Allokationsmatrix
| Baut eine sich verstärkende Fähigkeit | Baut kaum dauerhafte Fähigkeit | |
|---|---|---|
| Kern Ihres Werts | BEHALTEN Sie die Wiederholungen. Von Hand machen, KI nur nutzen, um Ihren Versuch danach zu kritisieren. | AUTOMATISIEREN mit Prüfung. KI machen lassen, aber den Output prüfen, damit Ihr Urteil scharf bleibt. |
| Peripher zu Ihrem Wert | STICHPROBE der Wiederholungen. Gelegentlich von Hand machen, um die Fähigkeit lebendig zu halten, den Rest abgeben. | Vollständig ABGEBEN. Dafür ist KI da. Die Zeit für das obere linke Feld zurückgewinnen. |
Das obere linke Feld ist heilig. Das sind die Wiederholungen, bei denen die Schwierigkeit der Punkt ist, denn sich durch sie zu ringen baut das Urteil, das Sie wertvoll macht. Wenn Sie Autor sind, gehört das eigenhändige Entwerfen des schwierigen Arguments hierher. Wenn Sie Analyst sind, gehört das Durchdenken des mehrdeutigen Falls hierher. Nutzen Sie KI in diesem Feld nur als Kritiker, der antwortet, nachdem Sie sich auf Ihren eigenen Versuch festgelegt haben, nie als Ersatz, der antwortet, bevor Sie es versucht haben. Diese Reihenfolge bewahrt die Rückmeldungsschleife, die der ganze Mechanismus ist, und sie verbindet sich direkt mit der Bewertungskompetenz, KI-Ausgaben zu beurteilen, denn Sie können das Modell nur gut bewerten, wenn Sie die Arbeit noch selbst tun können.
Das untere rechte Feld ist, wo KI ihren Lohn verdient. Formatierung, Textbausteine, Erstrecherche-Sammlung und Routinetransformation bauen keine bleibende Fähigkeit und sollten ohne Schuldgefühl abgegeben werden. Die zurückgewonnene Zeit ist nicht für Muße gedacht. Sie ist dafür gedacht, in die oberen linken Wiederholungen reinvestiert zu werden, für die Sie sonst nie Zeit hätten.
Das vierteilige Übungsprotokoll
Sobald Sie wissen, welche Wiederholungen zu behalten sind, müssen Sie sie noch bewusst statt gedankenlos machen. Ericssons Schleife hatte vier Elemente, und KI erodiert jedes auf bestimmte Weise. Sie wiederherzustellen ist das Protokoll.
CEOtudent-Redaktionsrahmen: die Schleife des bewussten Übens unter KI wiederherstellen
| Schleifenelement (Ericsson) | Wie KI es erodiert | Wie Sie es bewusst wiederherstellen |
|---|---|---|
| Ein konkretes Ziel an der Grenze des Könnens | Das Werkzeug liefert standardmäßig leichten, fertigen Output, sodass Sie Ihre Grenze nie erreichen | Setzen Sie die Aufgabe eine Stufe über das, was KI reichen würde, und versuchen Sie es vor dem Prompten |
| Volle Konzentration und Anstrengung | Einen Vorschlag anzunehmen kostet einen Tastendruck, sodass die Anstrengung zusammenbricht | Machen Sie den ersten Versuch bei geschlossenem Werkzeug, dann öffnen Sie es |
| Sofortige, informative Rückmeldung | Das Werkzeug gibt Ihnen eine polierte Antwort, keine Diagnose Ihres Fehlers | Nutzen Sie KI als Kritiker: bitten Sie sie, den Fehler in Ihrem Versuch zu finden, nicht ihn neu zu machen |
| Wiederholung mit Verfeinerung | Ein gutes Ergebnis fühlt sich wie Abschluss an, sodass Sie aufhören | Wiederholen Sie dieselbe Problemklasse über eine Woche, vergleichen Sie Ihre Versuche über die Zeit |
Die praktische Form davon ist ein Rhythmus, keine Regel. Erst versuchen, bei geschlossenem Werkzeug. Dann das Werkzeug einladen zu kritisieren, nicht zu ersetzen. Dann die Problemklasse oft genug wiederholen, dass Ihre unbeholfenen Versuche sichtbar besser werden. Das ist langsamer als reine Automatisierung bei jeder einzelnen Aufgabe, was genau der Grund ist, warum die meisten es nicht tun werden, und genau der Grund, warum die wenigen, die es tun, vorziehen, während Fähigkeiten weiter ablaufen. Wie schnell dieses Ablaufen läuft, behandelten wir in der Halbwertszeit von Fähigkeiten 2026, und den breiteren Lernwerkzeugkasten in was die Evidenz über das Lernen sagt.
Warum das ein CEO-und-Student-Problem ist
Ein CEO denkt in Werten, die sich verstärken, gegenüber Ausgaben, die es nicht tun. Ihre Fähigkeit ist ein sich verstärkender Wert, und die Gefahr der KI ist, dass sie Sie diesen Wert unsichtbar abbauen lässt: Ihr bestehendes Können für den heutigen Output ausgeben und nichts zurückinvestieren. Die Wiederholungs-Allokationsmatrix ist Kapitalallokation für Ihren eigenen Geist: schützen Sie die Wiederholungen, die sich verstärken, buchen Sie die, die es nicht tun, als Ausgabe.
Die Studentenhälfte ist die Disziplin, schwere Dinge weiter zu tun, wenn ein leichterer Weg einen Tastendruck entfernt ist. Student zu bleiben ist jetzt schwerer als je zuvor, weil das Werkzeug die Reibung entfernt, die früher das Lernen erzwang. Wer gedeiht, wird der sein, der diese Reibung in den Feldern, die zählen, bewusst wieder einführt, jede KI-gestützte Aufgabe als Wahl zwischen schneller fertig werden und besser werden behandelt und oft genug wählt, besser zu werden, dass es sich verstärkt. Wenn Sie die Karte der Fähigkeiten wollen, die diese Investition wert sind, sind die zehn kognitiven Fähigkeiten, die KI nicht automatisieren kann der Ausgangspunkt, und die Meta-Fähigkeiten, die jede andere Fähigkeit leichter machen behandeln die Übungsgewohnheiten, die sich über Domänen übertragen.
Häufig gestellte Fragen
Macht KI-Nutzung meine Fähigkeiten wirklich schlechter oder stoppt sie nur ihre Verbesserung?
Beides ist möglich, und was passiert, hängt davon ab, wie Sie das Werkzeug nutzen. Wenn Sie Wiederholungen abgeben, die Sie nie wieder von Hand machen, verfällt die Fähigkeit durch Nichtgebrauch, so wie jede ungeübte Fähigkeit verblasst. Wenn Sie die Kernwiederholungen weitermachen und KI als Kritiker nutzen, können sich Ihre Fähigkeiten schneller verbessern als zuvor, weil das Werkzeug Ihnen Rückmeldung gibt, die Sie sonst nicht bekämen. Das Werkzeug ist neutral; das Nutzungsmuster entscheidet das Ergebnis.
Ist bewusstes Üben noch relevant, wenn KI die Aufgabe besser kann als ich?
Ja, für die Wiederholungen im oberen linken Feld, denn das Ziel dort ist nicht, die KI bei der Aufgabe zu schlagen. Es ist, das Urteil zu behalten, das Ihnen erlaubt, die KI zu lenken und zu bewerten. Eine Führungskraft muss nicht schneller tippen als ihr Team, aber sie muss die Arbeit beurteilen, und dieses Urteil verkümmert ohne Übung.
Wie finde ich Zeit, Wiederholungen von Hand zu machen, wenn KI so viel schneller ist?
Sie kaufen die Zeit, indem Sie das untere rechte Feld aggressiv abgeben. Die zurückgewonnenen Stunden aus der Automatisierung der Plackerei sind das Budget für bewusstes Üben an dem, was zählt. Wenn Sie alles automatisieren und nichts reinvestieren, haben Sie auf Output optimiert, direkt auf Kosten der Fähigkeit.
Kann ich KI als Rückmeldungsquelle beim bewussten Üben nutzen?
Ja, und das ist eine ihrer besten Nutzungen. Ein Modell zu bitten, Ihren Versuch zu kritisieren, seine Schwächen zu finden oder ihn mit einer stärkeren Version zu vergleichen, liefert die sofortige, informative Rückmeldung, die bewusstes Üben verlangt und die in beruflicher Arbeit oft fehlt. Der Schlüssel ist, dass Sie zuerst versuchen und das Modell auf Ihren Versuch antworten lassen, statt es den Versuch für Sie erzeugen zu lassen.
Welche Fähigkeiten sollte ich zuerst schützen?
Schützen Sie die, die Kern Ihres Werts sind und sich über die Zeit verstärken, das obere linke Feld der Matrix. In den meisten Wissensrollen sind das die Denk-, Urteils- und Kommunikationsfähigkeiten, die bestimmen, welche Arbeit lohnend ist, statt der mechanischen Ausführungsfähigkeiten, die KI nun gut beherrscht.
Kaynakça
- K. Anders Ericsson, Ralf Th. Krampe und Clemens Tesch-Romer, “The Role of Deliberate Practice in the Acquisition of Expert Performance,” Psychological Review, 1993.
- Brooke N. Macnamara, David Z. Hambrick und Frederick L. Oswald, “Deliberate Practice and Performance in Music, Games, Sports, Education, and Professions: A Meta-Analysis,” Psychological Science, 2014.
- K. Anders Ericsson und Robert Pool, Peak: Secrets from the New Science of Expertise, Houghton Mifflin Harcourt, 2016.
- Erik Brynjolfsson, Danielle Li und Lindsey Raymond, “Generative AI at Work,” Quarterly Journal of Economics, 2025.
- Weltwirtschaftsforum, Future of Jobs Report 2025.
- OECD, OECD Skills Outlook 2023.
Dieser Inhalt wurde nach eingehender Recherche mit Unterstützung von KI zusammengestellt und vom CEOtudent-Redaktionsteam geschrieben und für die Veröffentlichung aufbereitet.
This post is also available in:
