Kurzfassung. Ein Notizsystem erfüllt zwei Aufgaben: Es speichert Informationen, und es baut Gedächtnis und Urteilsvermögen in Ihrem eigenen Kopf auf. Ein KI-Assistent ist bei der ersten Aufgabe hervorragend und beseitigt, achtlos eingesetzt, die zweite. Material selbst zu erzeugen war über 86 Studien hinweg wirksamer als es zu lesen (Effektstärke 0,40) und über 310 Experimente hinweg um etwa 10 Prozentpunkte besser. Sich selbst abzufragen war über 159 Effektstärken hinweg wirksamer als erneutes Lernen (g = 0,50, und 0,73 mit Feedback). Eine Datei an einem vertrauenswürdigen Ort zu speichern verbesserte das Gedächtnis für die nächste Datei, während Auslagern während einer Aufgabe in drei Experimenten mit je 172 Personen die Leistung steigerte, aber das Gedächtnis schwächte. Das Priming-Ergebnis des „Google-Effekts“ ließ sich nicht replizieren: Der gepoolte Replikationseffekt betrug 0,135 des ursprünglichen. CEO-Schritt: Entwerfen Sie das System, mit schriftlich festgelegten Rollen, Lese- und Schreibregeln für die KI und einer wöchentlichen 20-minütigen Durchsicht, statt eine weitere App zu kaufen. Student-Schritt: Behalten Sie die generativen Schritte (in eigenen Worten schreiben, über Verknüpfungen entscheiden, Wiederholungsfragen aus dem Gedächtnis beantworten) und überlassen Sie der KI Speicherung, Suche, Sortierung und Feedback nach Ihrem Versuch.
Dieser Beitrag setzt voraus, dass Sie Ihrem Assistenten bereits dauerhaften Kontext geben; falls nicht, beginnen Sie mit der Kontextdatei und dem Leitfaden zu benutzerdefinierten Anweisungen, Projekten und Gedächtnis. Für die breitere Debatte über das Auslagern lesen Sie, was passiert, wenn KI für Sie denkt. Die Frage hier ist enger gefasst: Wenn Sie ein „Second Brain“ führen, was darf der Assistent anfassen?
Ersetzt ein KI-Assistent ein Second Brain?
Die Idee eines externen Gedächtnisses ist älter als jede App. In der Ausgabe von The Atlantic Monthly vom Juli 1945 beschrieb Vannevar Bush den Memex, einen Schreibtisch, an dem ein Mensch Bücher, Aufzeichnungen und Korrespondenz speichern und in hohem Tempo abrufen würde, „eine vergrößerte, intime Ergänzung seines Gedächtnisses“. Sein wesentliches Merkmal war die assoziative Indexierung: „Der Vorgang, zwei Elemente miteinander zu verknüpfen, ist das Entscheidende.“
Ein gut dokumentiertes Praxisbeispiel stammt von einem Soziologen. Das Projekt der Universität Bielefeld zu Niklas Luhmanns Nachlass beschreibt seinen Zettelkasten als rund 90.000 Notizen, geschrieben zwischen 1951 und 1996, eine Sammlung, die es als seine intellektuelle Autobiografie bezeichnet und als die Maschine, auf die er sich bei der Entwicklung seiner Theorie und seiner Publikationen stützte; sein Werk umfasste fast 600 Publikationen, darunter mehr als 40 Monografien. Das entspricht im Schnitt etwa 2.000 Zetteln pro Jahr oder rund 5,5 pro Tag über 45 Jahre (CEOtudent-Berechnung). Das Archiv war ein Nebenprodukt täglichen Denkens, kein Ersatz dafür. Heute wird der Begriff mit Tiago Fortes Buch Building a Second Brain aus dem Jahr 2022 verbunden, dessen Methode hier nicht wiedergegeben wird.
Was Chat-Assistenten verändert haben: Das Archiv kann jetzt antworten. Sie dienen bereits als Suchschicht: In OpenAIs eigener Klassifizierung einer repräsentativen Stichprobe von ChatGPT-Unterhaltungen privater Nutzer wuchs die Kategorie „Informationssuche“ zwischen Juli 2024 und Juli 2025 von 14 % auf 24 % der Nutzung (NBER-Arbeitspapier mit Autoren aus dem Umfeld von OpenAI, nicht begutachtet).
Ein Assistent kann also einen Großteil der Speicher- und Abrufarbeit eines Second Brains ersetzen, aber nicht die Verarbeitung, die in Ihrem Kopf stattfindet, während Sie es aufbauen. Psychologen nennen den Einsatz von Werkzeugen, um die geistigen Anforderungen einer Aufgabe zu verringern, „kognitive Auslagerung“ (Risko und Gilbert, 2016). Ein Notizbuch lagert das Erinnern aus; ein Assistent kann zusätzlich das Zusammenfassen, Verknüpfen und Entwerfen auslagern. Die Forschung zeigt, welche dieser Übergaben Sie etwas kosten.
Was bewirkt laut Forschung jeder Notizvorgang in Ihrem Gedächtnis?
Tabelle 1 verbindet Forschungslinien, die selten zusammen gelesen werden: eine Zeile pro Vorgang, den ein Notizsystem ausführt, mit dem Studiendesign, dem Ergebnis wie veröffentlicht und der Folgerung für die KI.
Tabelle 1. Was jeder Vorgang eines Notizsystems mit Ihrem eigenen Gedächtnis macht (CEOtudent-Analyse von Bertsch et al. 2007, McCurdy et al. 2020, Storm und Stone 2015, Grinschgl et al. 2021, Camerer et al. 2018, Rowland 2014, Kornell et al. 2009 und Fan et al. 2025)
| Notizvorgang | Studie und Design | Ergebnis wie veröffentlicht | Folgerung für die Übergabe an die KI |
|---|---|---|---|
| Selbst schreiben (erzeugen vs. lesen) | Bertsch et al. 2007: 445 Effektstärken, 86 Studien (nur Abstract); McCurdy et al. 2020: 310 Experimente | Effektstärke 0,40; mittlere Differenz von 0,102 im Anteil erinnerter Inhalte | Eine KI-Zusammenfassung, die Sie nur lesen, ist die „Lesen“-Bedingung |
| Speichern in einem Archiv vor neuem Lernen | Storm und Stone 2015, drei Experimente (nur Abstract) | Das Speichern einer Datei verbesserte das Gedächtnis für die nächste; kein Nutzen, wenn das Speichern als „unzuverlässig“ galt | Speicherung lässt sich gefahrlos auslagern, wenn das Archiv vertrauenswürdig ist |
| Auslagern während der Aufgabe | Grinschgl et al. 2021, drei Experimente, je N = 172 | Leistung steigt, Gedächtnis sinkt; Korrelationen von -0,80 und -0,55 zwischen Nachschlagen und späterem Erinnern | Legen Sie vorab fest, was Sie behalten wollen, und schlagen Sie dann seltener nach |
| Karten erstellen vs. abrufen | Karpicke und Blunt 2011, wie in Camerer et al. 2018 beschrieben | Eine Woche später: 0,67 Abrufübung vs. 0,45 Concept Mapping (N = 40); repliziert (N = 49) | Die KI darf Verknüpfungen vorschlagen; das Abrufen bleibt Ihre Sache |
| Selbsttest bei der Durchsicht | Rowland 2014: 159 Effektstärken, 61 Studien | g = 0,50; 0,73 mit Feedback vs. 0,39 ohne | Die KI schreibt Fragen und Feedback; Sie antworten |
| Versuchen, bevor Sie die Antwort sehen | Kornell, Hays und Bjork 2009, Experiment 1 | Erinnerung 0,41 nach gescheiterten Versuchen vs. 0,31 bei reinem Lesen, d = 0,58 | Erst versuchen, dann prompten |
| Ergebnisse mit einem Assistenten polieren | Fan et al. 2025, randomisierte Laborstudie, 117 Studierende | Aufsatznoten verbesserten sich mit ChatGPT stärker; Wissenszuwachs und Transfer „nicht signifikant unterschiedlich“ | Ein besserer Entwurf ist kein Beleg für Lernen |
Selbst schreiben: der Generierungseffekt
Slamecka und Graf (1978) führten fünf Experimente durch, in denen sie Wörter, die Teilnehmende aus einem Hinweis und einer Regel selbst erzeugten, mit denselben, lediglich gelesenen Wörtern verglichen; in allen Fällen war die Erzeugungsbedingung überlegen. Der Effekt zeigte sich beim Wiedererkennen sowie bei freier und gestützter Erinnerung, trat schon bei nur 12 Teilnehmenden auf und hing nicht davon ab, ob die Personen von einem bevorstehenden Test wussten.
Zwei Metaanalysen stimmen in der Richtung überein. Bertsch und Kollegen (2007) fassten 445 Effektstärken aus 86 Studien zusammen und fanden einen Durchschnitt von 0,40, „fast eine halbe Standardabweichung“ (nur Abstract; der Volltext liegt hinter einer Bot-Prüfung). McCurdy und Kollegen (2020) analysierten 126 Artikel, 310 Experimente und 1.653 Schätzungen und bezifferten den Vorteil auf 0,102 im Anteil erinnerter Inhalte, etwa 10 Prozentpunkte. Größere Stichproben zeigten kleinere Effekte; hochgerechnet auf eine unendlich große Stichprobe sank der Vorteil auf 0,080, etwa ein Fünftel kleiner (22 %, CEOtudent-Berechnung), blieb aber signifikant. Generierung mit geringen Vorgaben, also mit weniger Regeln dafür, was zu erzeugen ist, schnitt besser ab als Generierung mit mittleren und hohen Vorgaben, und Behaltensintervalle von mehr als einem Tag brachten rund 7 Prozentpunkte zusätzlich.
Für Notizen ist die Übertragung direkt: Eine KI-Zusammenfassung, die Sie lesen, ist die Lesebedingung; eine aus dem Gedächtnis geschriebene Notiz in offenem Format statt in einer Vorlage ist die Erzeugungsbedingung.
Speichern in einem vertrauenswürdigen Archiv: Auslagern, das hilft
Nicht jedes Auslagern schadet. In drei Experimenten von Storm und Stone (2015) verbesserte das Speichern einer Datei vor dem Lernen einer neuen das Gedächtnis für die neue Datei signifikant. Der Nutzen verschwand, wenn das Speichern als unzuverlässig galt und wenn die gespeicherte Datei zu geringfügig war, um die nächste zu stören (nur Abstract). Fellers und Storm (2024) fanden den Effekt auch, wenn nur ein Teil der Elemente gespeichert wurde, per Knopfdruck oder von Hand; Buchli und Storm (2025) fanden ihn größer bei Personen mit höherer Arbeitsgedächtniskapazität (beide nur Abstract). Dinge an einem Ort abzulegen, dem Sie vertrauen, macht Aufmerksamkeit für das Nächste frei, und diese Aufgabe kann jedes Werkzeug übernehmen, auch ein Assistent.
Auslagern während der Arbeit: Leistung rauf, Gedächtnis runter
Grinschgl, Papenmeier und Meyerhoff (2021) führten drei Experimente mit je 172 Teilnehmenden durch, insgesamt 516. Die Teilnehmenden kopierten ein Muster von Objekten aus einem Vorlagenfenster, das sie erneut öffnen konnten, und die Forschenden variierten, was jeder Blick kostete und ob ein Gedächtnistest angekündigt wurde. Das Auslagern „beschleunigte die Aufgabenbearbeitung“, beeinträchtigte aber das Gedächtnis für das Material. In Experiment 3 lag bei Personen, die frei wählen konnten, die Korrelation zwischen der Häufigkeit, mit der sie die Vorlage erneut öffneten, und der Güte ihrer späteren Erinnerung an die Objekte bei -0,80, wenn sie keinen Gedächtnistest erwarteten, und bei -0,55, wenn sie einen erwarteten. Personen, die maximal auslagern mussten, denen aber ein Test angekündigt war, glichen den Schaden fast vollständig aus. Die Absicht zählt, deshalb sollte ein Second Brain nicht nur festhalten, was gespeichert ist, sondern auch, was Sie behalten wollen.
Verknüpfen und Kartieren versus Abrufen
Verknüpfen ist zentral für Second-Brain-Methoden, und Bush würde zustimmen. Doch eine Karte zu erstellen ist keine Abrufübung. Bei Karpicke und Blunt (2011), wie in den präregistrierten Unterlagen des Replikationsprojekts von 2018 beschrieben, erzielten Teilnehmende, die den Abruf übten, in einem Test eine Woche später im Mittel 0,67, gegenüber 0,45 bei denen, die Concept Maps erstellten (N = 40): eine Differenz von 0,22 oder 49 % mehr (CEOtudent-Berechnung). Die Replikation von 2018 mit 49 Teilnehmenden reproduzierte das Ergebnis mit 0,638 der ursprünglichen Effektstärke. Verknüpfungen machen späteres Abrufen möglich, maschinell und durch Sie, aber für sich genommen sind sie keine Gedächtnistechnik. Verknüpfungen vorzuschlagen ist eine vernünftige Aufgabe für die KI; das Abrufen ist eine menschliche.
Sich selbst testen, besonders nach einem Versuch
Rowland (2014) bündelte 159 Effektstärken aus 61 Studien, die zwischen 1975 und 2013 berichtet wurden, und fand gegenüber erneutem Lernen einen Testeffekt von g = 0,50 (95-%-Konfidenzintervall 0,42 bis 0,58). Mit Feedback lag er bei 0,73, ohne bei 0,39: eine Lücke von 0,34, fast doppelt so groß (CEOtudent-Berechnung). Bei Behaltensintervallen von mindestens einem Tag waren die Effekte größer (0,69) als bei weniger als einem Tag (0,41). In der Teilmenge mit hoher Exposition (Studien mit Feedback oder einer Leistung im ersten Test über 75 %) schnitten Abruftests als erste Tests (gestützte Erinnerung 0,72, freie Erinnerung 0,81) besser ab als Wiedererkennen (0,36), ein Argument für offene Fragen statt Multiple Choice.
Kornell, Hays und Bjork (2009) begründen eine Regel „erst versuchen“. In Experiment 1 erhielten die Teilnehmenden fiktive Quizfragen, die sie nicht beantworten konnten. Es trotzdem zu versuchen, bevor sie die Antwort sahen, führte zu einer abschließenden Erinnerungsleistung von 0,41, gegenüber 0,31, wenn Frage und Antwort zusammen gezeigt wurden, d = 0,58: eine Differenz von 0,10 und ein relativer Zuwachs von 32 % (CEOtudent-Berechnung).
Ergebnisse mit einem Assistenten polieren
Fan und Kollegen (2025) teilten 117 Studierende zufällig einer Aufgabe zum Schreiben und Überarbeiten eines Aufsatzes zu, unterstützt durch ChatGPT, einen menschlichen Experten, Werkzeuge zur Schreibanalyse oder ohne zusätzliches Werkzeug. Die ChatGPT-Gruppe verbesserte ihre Aufsatznoten stärker, doch ihr Wissenszuwachs und ihr Transfer unterschieden sich nicht signifikant, und die Autoren warnen vor „metakognitiver Faulheit“. Wie Schreiben als Denken argumentiert, kann ein Assistent die Qualität des Ergebnisses steigern, ohne die Qualität Ihres Verständnisses zu steigern.
Hat der „Google-Effekt“ die Replikation überstanden?
Die Studie von Sparrow, Liu und Wegner aus dem Jahr 2011 wird oft als Beleg dafür zitiert, dass Suche und Speicherung verändern, woran Menschen sich erinnern, und ihre Experimente sind an anderer Stelle auf CEOtudent zusammengefasst. Entscheidend ist hier die Nachprüfung. Das Social Sciences Replication Project (Camerer und Kollegen, 2018) replizierte 21 experimentelle Studien, die zwischen 2010 und 2015 in Nature und Science erschienen waren, mit im Schnitt etwa fünfmal größeren Stichproben. Es fand für 13 (62 %) einen signifikanten Effekt in derselben Richtung, wobei die Replikationseffektstärken im Schnitt etwa 50 % der ursprünglichen betrugen. Drei der 21 betreffen unmittelbar Notizen und Gedächtnispraxis.
Tabelle 2. Gedächtnisstudien im Social Sciences Replication Project von 2018
| Ursprüngliche Studie | Geprüfte Hypothese | Ursprüngliches r (N) | Stufe 1 r (N) | Gepooltes Stufe 2 r (N) | Repliziert? | Relative Effektstärke |
|---|---|---|---|---|---|---|
| Sparrow, Liu und Wegner 2011 | Studie 1: Computerbegriffe nach schweren Quizfragen leichter zugänglich (Stroop-Aufgabe) | 0,368 (69) | 0,110 (104) | 0,050 (234) | Nein | 0,299 in Stufe 1; 0,135 gepoolt |
| Karpicke und Blunt 2011 | Abrufübung schlägt Concept Mapping in einem Test eine Woche später | 0,602 (40) | 0,384 (49) | Nicht durchgeführt | Ja, in Stufe 1 | 0,638 |
| Pyc und Rawson 2010 | Übung mit Test und Wiederlernen schlägt reines Wiederlernen beim Abruf von Gedächtnismediatoren | 0,377 (36) | 0,148 (132) | 0,150 (306) | Ja, in Stufe 2 | 0,394 in Stufe 1; 0,398 gepoolt |
Quelle: Camerer et al. (2018), Supplementary Information, Supplementary Tables 1, 3 und 4, Zahlen wie veröffentlicht. Die relative Effektstärke ist das r der Replikation geteilt durch das ursprüngliche r; CEOtudent hat jedes Verhältnis nachgerechnet. Eine zweite Datenerhebung (Stufe 2) wurde nur durchgeführt, wenn Stufe 1 nicht replizierte.
Drei Details sorgen hier für Ehrlichkeit. Das Projekt prüfte nur Studie 1 des Sparrow-Papers, ein Reaktionszeitmaß dafür, ob computerbezogene Wörter leichter zugänglich wurden; über die anderen Experimente des Papers sagt es nichts aus. Das Team merkte an, dass das Originalpaper eine Stichprobe von 46 angab, tatsächlich aber 69 Teilnehmende eingesetzt wurden, und dass die ursprünglichen Autoren nicht auf Anfragen nach Materialien reagierten, sodass das Team die Aufgabe selbst programmierte. Die gepoolte Replikation nutzte 234 Teilnehmende, das 3,4-Fache der ursprünglichen Stichprobe (CEOtudent-Berechnung), und fand einen Effekt nahe null (r = 0,050, p = 0,449).
Die beiden Abrufstudien replizierten, mit kleineren Effekten; die Such-Priming-Studie nicht. Für ein Second Brain ist die besser gestützte Sorge nicht, dass abrufbare Informationen das Gedächtnis schon durch ihr bloßes Vorhandensein verkümmern lassen, sondern dass das Überspringen Ihrer eigenen Generierung und Ihres eigenen Abrufs, wie in den Ergebnissen von Grinschgl und Fan, weniger in Ihrem Kopf zurücklässt. Mehr zur Debatte lesen Sie im Beitrag Macht KI Sie schlechter im Denken.
Welche Teile eines Second Brains müssen Ihre bleiben?
Die Evidenz teilt Notizvorgänge in zwei Arten ein. Speichern, Sortieren und Suchen sind Auslagerung und kosten, mit einem vertrauenswürdigen Archiv, wenig bei Material, das Sie nicht im Kopf behalten müssen. Generierung, Entscheidungen über Verknüpfungen und Abruf sind Verarbeitung; sie zahlen sich nur aus, wenn Sie sie selbst erledigen. Das Framework macht daraus eine Architektur.
Tabelle 3. Der Erst-versuchen-Stack: vier Schichten, je eine Regel (redaktionelles CEOtudent-Framework)
| Schicht | Was sie enthält | Wer schreibt | Was die KI lesen darf | Die Regel | Begründung aus der Evidenz |
|---|---|---|---|---|---|
| 1. Erfassungs-Inbox | Ausschnitte, Transkripte, gespeicherte Dateien, rohe Ideen | Sie oder die KI | Alles darin | Ein vertrauenswürdiger Ort; alles, was nach 7 Tagen unbearbeitet ist, wird archiviert oder gelöscht | Speichern hilft nur, wenn es zuverlässig ist (Storm und Stone) |
| 2. Notizen in eigenen Worten | Kurze, aus dem Gedächtnis geschriebene Notizen, je eine Idee | Nur Sie | Ja, um zu suchen und Sie abzufragen | Die KI schreibt diese Schicht nie um; jede Notiz trägt eine Herkunftskennzeichnung | Erzeugen schlägt Lesen (Bertsch; McCurdy) |
| 3. Verknüpfungen und Karten | Verknüpfungen, Themenkarten, offene Fragen | Sie entscheiden; die KI darf vorschlagen | Ja | Eine vorgeschlagene Verknüpfung kommt nur mit einem Satz in Ihren Worten dazu, warum | Kartieren unterlag dem Abrufen in einer replizierten Studie (Karpicke und Blunt) |
| 4. KI-Verarbeitung über dem Archiv | Suchergebnisse, Cluster, Entwürfe, Wiederholungsfragen | Die KI entwirft, Sie bearbeiten | Schichten 1 bis 3, innerhalb Ihrer Datenschutzgrenze | Erst versuchen; Ergebnisse gelangen nie in Schicht 2, außer umgeschrieben | Versuche und Feedback bauen Gedächtnis auf (Kornell; Rowland); Politur ist kein Lernen (Fan) |
Drei feste Regeln sorgen dafür, dass es funktioniert:
- Herkunftskennzeichnung. Jede Notiz gibt an, ob sie aus Ihren Worten, einem Quellenzitat oder einer KI-Ausgabe besteht. Ohne diese Angabe füllt sich das Archiv mit Text, den Sie nie verarbeitet haben und nicht mehr auseinanderhalten können.
- Die Erst-versuchen-Schranke. Bevor Sie zu etwas prompten, das Sie verstehen wollen, schreiben Sie Ihre eigene Antwort, Gliederung oder Vermutung auf, selbst eine schlechte.
- Kein Rückfluss. KI-Ausgaben bleiben in Schicht 4 und wandern erst in Schicht 2, nachdem Sie sie aus dem Gedächtnis umgeschrieben haben.
Die in Schicht 4 verwendeten Prompts gehören in eine Prompt-Bibliothek, und die übergeordnete Disziplin, zu gestalten, was das Modell sieht, ist Context Engineering.
Welche Aufgaben gehen an Sie, an die KI oder erst an Sie und dann an die KI?
Die Entscheidungstabelle deckt zwölf gängige Notizaufgaben ab, jeweils mit einer Zuständigkeit und der Evidenz hinter jeder Wahl.
Tabelle 4. Verteilung der Notizaufgaben (redaktionelles CEOtudent-Framework)
| Aufgabe | Zuständig | Wie | Begründung aus der Evidenz |
|---|---|---|---|
| Ein Paper zusammenfassen, das Sie verstehen müssen | Erst Sie, dann KI | Schreiben Sie fünf Sätze aus dem Gedächtnis und fragen Sie dann die KI, was Sie übersehen oder falsch verstanden haben | Generierung plus Feedback (McCurdy; Rowland) |
| Ein Paper zusammenfassen, das Sie nur ablegen müssen | KI | Die Zusammenfassung in Schicht 1 speichern, als KI-Ausgabe gekennzeichnet | Vertrauenswürdige Speicherung (Storm und Stone) |
| Eine alte Notiz finden | KI | Suche über die Schichten 1 bis 3 | Abruf gespeicherter Elemente |
| Die Inbox verschlagworten, ablegen und von Dubletten bereinigen | KI | Wöchentliche Vorsortierung vor Ihrer Durchsicht | Speicherarbeit |
| Ein Meeting erfassen (Rohtranskript) | KI | Das Transkript kommt nur in Schicht 1 | Speicherung |
| Die Entscheidungen aus diesem Meeting im Kopf behalten | Sie | Entscheidungen und Verantwortliche innerhalb eines Tages aus dem Gedächtnis aufschreiben | Die Absicht, sich zu erinnern, verändert die Kosten des Auslagerns (Grinschgl) |
| Eine dauerhafte Notiz in eigenen Worten schreiben | Sie | Eine Idee, offenes Format, keine Vorlage | Generierung mit geringen Vorgaben wurde am besten erinnert (McCurdy) |
| Entscheiden, welche Notizen es wert sind, behalten zu werden | Sie | Wöchentlich, während der Durchsicht | Relevanz beurteilt, wem das System gehört |
| Verbindungen zwischen Notizen herstellen | Erst Sie, dann KI | Zwei oder drei Verknüpfungen selbst auflisten, dann die KI nach weiteren fragen; jede nur mit Begründung übernehmen | Erst versuchen (Kornell); Kartieren ist kein Abrufen (Karpicke und Blunt) |
| Fragen für verteilte Wiederholung | Erst Sie, dann KI | Die KI entwirft offene Fragen aus Ihren Notizen; Sie antworten, bevor Sie das Feedback sehen | Testeffekt, größer mit Feedback und nach einem Tag (Rowland) |
| Ein Memo aus Ihren Notizen entwerfen | Erst Sie, dann KI | Zuerst Kernaussage und Gliederung schreiben; die KI entwirft; Sie bearbeiten | Bessere Entwürfe ohne mehr Lernen (Fan) |
| Das Archiv vor einer Entscheidung durchsuchen | Erst Sie, dann KI | Ihre aktuelle Position aufschreiben, dann die KI nach Notizen fragen, die sie stützen und ihr widersprechen | Erst versuchen (Kornell) |
Die Bilanz: 3 Aufgaben nur für Sie, 4 nur für die KI und 5 erst für Sie, dann für die KI (CEOtudent-Zählung). Sehr wenig muss ohne KI erledigt werden, doch fast alles, was Ihr Denken verändern soll, verlangt, dass Sie den ersten Schritt machen. Regeln für die Erfassung von Meetings finden Sie im Beitrag darüber, wie KI-Meeting-Notizen das Meeting verändert haben, und sokratisches Prompting macht den Assistenten bei Lernaufgaben zum Fragensteller.
Wie richten Sie das System in einer Woche ein?
Der CEO-Schritt ist eine Designentscheidung, kein Kauf: Behandeln Sie die Einrichtung als das Schreiben eines Betriebsmodells, nicht als Softwareauswahl. Diese Checkliste funktioniert mit jeder Notiz-App und jedem Assistenten.
Checkliste zur Einrichtung in Woche 1 (redaktionelles CEOtudent-Framework)
- Tag 1: eine Inbox, ein Archiv. Legen Sie doppelte Ablagen still; Vertrauen ist eine Voraussetzung für den Nutzen des Speicherns.
- Tag 1: ein Herkunftsfeld anlegen mit drei Werten: eigene Worte, Quelle, KI-Ausgabe.
- Tag 2: die KI-Regeln schreiben, in Ihrer Kontextdatei oder den Projektanweisungen: was der Assistent lesen darf, in welche Schicht er schreiben darf, und die Erst-versuchen-Regel.
- Tag 2: Ihre Datenschutzgrenze ziehen. Listen Sie Ordner auf, die nie an ein externes Werkzeug gehen (Kundenmaterial, personenbezogene Daten anderer Menschen, alles, was Ihr Arbeitgeber einschränkt), und prüfen Sie die Einstellungen des Werkzeugs zu Speicherdauer und Training.
- Tag 3: Schicht 2 befüllen mit 10 kurzen Notizen in eigenen Worten aus aktueller Arbeit, aus dem Gedächtnis geschrieben.
- Tag 4: einen Fragen-Prompt speichern, der jede Notiz in eigenen Worten in 2 offene Fragen verwandelt, niemals Multiple Choice.
- Tag 5: die wöchentliche Durchsicht zu einem festen Termin eintragen.
Tabelle 5. Die wöchentliche 20-minütige Durchsicht (redaktionelles CEOtudent-Framework)
| Block | Minuten | Was Sie tun | Wer was macht |
|---|---|---|---|
| Inbox-Triage | 5 | Behalten, ablegen oder löschen, was die KI während der Woche vorsortiert hat | Die KI sortiert, Sie entscheiden |
| Kalter Abruf | 7 | Die offenen Fragen der Vorwoche beantworten, ohne nachzusehen, dann prüfen | Die KI fragt und gibt Feedback, Sie antworten |
| Übernehmen und verknüpfen | 5 | Ein oder zwei erfasste Elemente als Notizen in eigenen Worten neu schreiben; eine Verknüpfung mit Begründung hinzufügen | Sie schreiben, die KI darf Verknüpfungen vorschlagen |
| Merkliste für nächste Woche | 3 | Drei Dinge benennen, die Sie im Kopf behalten wollen, nicht nur im Archiv | Sie |
Die Blöcke ergeben zusammen 20 Minuten. Der Abruf kommt vor dem Übernehmen, damit der schwierigste Block stattfindet, solange die Aufmerksamkeit frisch ist.
Was sind die typischen Fehlerbilder?
- Das Archiv, das niemand liest. Erfassen ohne Abrufen ist Speicherung, kein Lernen. Lassen Sie die Durchsicht einen Monat ausfallen, wird das System zum Aktenschrank; die Abhilfe ist Abruf, nicht mehr Erfassung.
- KI-geschriebene Notizen, die Sie nie verarbeitet haben. Zusammenfassungen, die beim Erfassen entstehen, sehen nach Fortschritt aus. Ohne Herkunftskennzeichnung vermischen sie sich mit Ihren eigenen Worten, und der Generierungsschritt findet nie statt.
- Das Archiv ohne Vertrauen. Mehrere halb synchronisierte Apps und keine einzige verlässliche Quelle. Wenn das Speichern unzuverlässig ist, verschwindet sein Nutzen, und Sie fangen an, Dinge aus Zweifel im Kopf zu behalten.
- Verknüpfungsinflation. Hunderte von der KI vorgeschlagene Verknüpfungen, die niemand erklären kann. Eine Verknüpfung ohne schriftliche Begründung ist Dekoration.
- Prompten vor dem Versuchen. Zuerst zu fragen fühlt sich effizient an und überspringt den Versuch, der das Gedächtnis auf die Antwort vorbereitet.
- Das ganze Archiv einem Anbieter überlassen. Notizen enthalten oft Informationen über andere Menschen, Kundenmaterial und unveröffentlichte Entwürfe. Bevor Sie ein Archiv mit einem externen Dienst verbinden, prüfen Sie, was er speichert, ob er mit Ihren Daten trainiert, wer darauf zugreifen kann und was die Richtlinie Ihres Arbeitgebers sagt, und halten Sie die Grenze schriftlich fest. Dies ist eine allgemeine Information, keine Rechtsberatung; was erlaubt ist, entscheiden die Regeln Ihrer Organisation und das geltende Recht.
Was das nicht bedeutet
Die Evidenz ist stark, was die Richtung betrifft, und schwächer bei der Übertragung auf reale Arbeit. Die hier zitierten Studien verwenden überwiegend Wortlisten, Quizfragen, kurze Texte oder Kopieraufgaben, getestet nach Minuten, Tagen oder einer Woche, nicht nach Monaten beruflicher Lektüre. Diese Recherche fand keine kontrollierte Studie zu einem vollständigen Second-Brain-System mit KI-Schicht; die Tabellen 3 bis 5 sind daher ein aus Einzelbefunden abgeleitetes Design, keine getestete Intervention.
Eine Zusammenfassung zu schreiben ist keine garantierte Gedächtnistechnik. In ihrer Übersicht über zehn Lerntechniken bewerteten Dunlosky und Kollegen (2013) Übungstests und verteiltes Üben als sehr nützlich und Zusammenfassen, Markieren und erneutes Lesen als wenig nützlich; das Zusammenfassen half manchen Lernenden bei manchen Aufgaben, unter eingeschränkten Bedingungen (nur Abstract). Deshalb kombiniert das Framework Notizen in eigenen Worten mit Abruf, statt das Schreiben von Notizen als Ziel zu behandeln.
Die gescheiterte Sparrow-Replikation zeigt nicht, dass Auslagern harmlos ist; sie zeigt, dass ein Priming-Ergebnis nicht standgehalten hat. Die Grinschgl-Experimente sind ein besserer Beleg dafür, dass Auslagern während einer Aufgabe Gedächtnis kosten kann, am deutlichsten, wenn Sie nicht beschlossen haben, sich zu erinnern. Und Effektstärken wie 0,40 oder g = 0,50 sind Durchschnittswerte über sehr unterschiedliche Studien; die Ergebnisse variieren mit dem Material und damit, wie lange Sie es behalten müssen.
Häufig gestellte Fragen
Ersetzt ein KI-Assistent ein Second Brain?
Er ersetzt einen Großteil von Speicherung und Abruf: Notizen finden, eine Inbox sortieren, Entwürfe aus bereits geschriebenem Material erstellen. Die Generierung, die Entscheidungen über Verknüpfungen und den Abruf, die Ihr eigenes Gedächtnis aufbauen, kann er nicht ersetzen, denn diese Effekte entstehen nur, wenn Sie die Arbeit selbst machen.
Sollte die KI Lesenotizen zusammenfassen?
Bei Material, das Sie nur ablegen müssen, ja, gekennzeichnet als KI-Ausgabe. Bei Material, das Sie verstehen müssen, schreiben Sie zuerst eine kurze Zusammenfassung aus dem Gedächtnis und fragen dann die KI, was Sie übersehen haben. In der Metaanalyse von Bertsch war Erzeugen über 86 Studien hinweg wirksamer als Lesen.
Gibt es den „Google-Effekt“ wirklich?
Das vom Replikationsprojekt von 2018 geprüfte Priming-Ergebnis wurde nicht reproduziert: Der gepoolte Effekt betrug 0,135 des ursprünglichen. Diese Prüfung umfasste nur Studie 1 des Papers von 2011. Andere Experimente, etwa von Grinschgl und Kollegen (2021), zeigen durchaus, dass Auslagern während einer Aufgabe das Gedächtnis für das ausgelagerte Material verringern kann.
Was ist die Erst-versuchen-Regel?
Bevor Sie einen Assistenten zu etwas prompten, das Sie lernen oder entscheiden wollen, schreiben Sie Ihre eigene Antwort, Gliederung oder Vermutung auf. In Experiment 1 von Kornell und Kollegen steigerten selbst erfolglose Versuche die spätere Erinnerungsleistung von 0,31 auf 0,41.
Wie viel Zeit kostet das System pro Woche?
Eine 20-minütige Durchsicht: 5 Minuten Inbox-Triage, 7 Minuten kalter Abruf, 5 Minuten Übernehmen und Verknüpfen und 3 Minuten für die Merkliste der nächsten Woche, nach etwa fünf kurzen Einrichtungssitzungen in der ersten Woche.
Ist es sicher, einem KI-Werkzeug ein ganzes Notizarchiv zu geben?
Das hängt davon ab, was das Archiv enthält, und von den Einstellungen des Werkzeugs zu Speicherdauer, Training und Zugriff. Halten Sie eine schriftliche Grenze für Kundenmaterial und personenbezogene Daten anderer Menschen fest, folgen Sie der Richtlinie Ihres Arbeitgebers und betrachten Sie dies als allgemeine Information, nicht als Rechtsberatung.
Welche Notiz-App funktioniert am besten?
Die Forschung bevorzugt keine App. Sie bevorzugt ein einziges vertrauenswürdiges Archiv, Notizen in eigenen Worten und regelmäßigen Abruf mit Feedback; jedes Werkzeug, das diese drei Gewohnheiten unterstützt, reicht aus.
Quellen
- Bertsch, S., Pesta, B. J., Wiscott, R. und McDaniel, M. A. (2007). The generation effect: A meta-analytic review. Memory and Cognition, 35(2), 201-210 (nur Abstract, PubMed-Eintrag).
- McCurdy, M. P., Viechtbauer, W., Sklenar, A. M., Frankenstein, A. N. und Leshikar, E. D. (2020). Theories of the generation effect and the impact of generation constraint: A meta-analytic review. Psychonomic Bulletin and Review, 27(6), 1139-1165 (Verlagsversion, Repositorium der Universität Maastricht).
- Slamecka, N. J. und Graf, P. (1978). The generation effect: Delineation of a phenomenon. Journal of Experimental Psychology: Human Learning and Memory, 4(6), 592-604.
- Storm, B. C. und Stone, S. M. (2015). Saving-enhanced memory: The benefits of saving on the learning and remembering of new information. Psychological Science, 26(2), 182-188 (nur Abstract, PubMed-Eintrag).
- Fellers, C. und Storm, B. C. (2024). The saving enhanced memory effect can be observed when only a subset of items are saved. Memory and Cognition, 52(6), 1325-1337 (nur Abstract, PubMed-Eintrag).
- Buchli, D. R. und Storm, B. C. (2025). Working memory capacity and the saving-enhanced memory effect. Memory, 33(8), 1015-1030 (nur Abstract, PubMed-Eintrag).
- Grinschgl, S., Papenmeier, F. und Meyerhoff, H. S. (2021). Consequences of cognitive offloading: Boosting performance but diminishing memory. Quarterly Journal of Experimental Psychology, 74(9), 1477-1496 (Volltext in PubMed Central).
- Rowland, C. A. (2014). The effect of testing versus restudy on retention: A meta-analytic review of the testing effect. Psychological Bulletin, 140(6), 1432-1463 (vom Autor hochgeladene Kopie).
- Kornell, N., Hays, M. J. und Bjork, R. A. (2009). Unsuccessful retrieval attempts enhance subsequent learning. Journal of Experimental Psychology: Learning, Memory, and Cognition, 35(4), 989-998 (Autorenkopie).
- Camerer, C. F., Dreber, A., Holzmeister, F. und Kollegen (2018). Evaluating the replicability of social science experiments in Nature and Science between 2010 and 2015. Nature Human Behaviour, 2(9), 637-644, Abstract und Supplementary Information (Quelle der Zahlen zu Sparrow, Liu und Wegner 2011, Karpicke und Blunt 2011 sowie Pyc und Rawson 2010; diese Originalarbeiten wurden nicht geöffnet).
- Dunlosky, J., Rawson, K. A., Marsh, E. J., Nathan, M. J. und Willingham, D. T. (2013). Improving students’ learning with effective learning techniques. Psychological Science in the Public Interest, 14(1), 4-58 (nur Abstract, PubMed-Eintrag).
- Fan, Y., Tang, L., Le, H., Shen, K., Tan, S., Zhao, Y., Shen, Y., Li, X. und Gasevic, D. (2025). Beware of metacognitive laziness: Effects of generative artificial intelligence on learning motivation, processes, and performance. British Journal of Educational Technology, 56(2), 489-530 (Zahlen aus der Version arXiv 2412.09315).
- Risko, E. F. und Gilbert, S. J. (2016). Cognitive offloading. Trends in Cognitive Sciences, 20(9), 676-688 (nur Abstract, PubMed-Eintrag).
- Chatterji, A., Cunningham, T., Deming, D. J., Hitzig, Z., Ong, C., Shan, C. Y. und Wadman, K. (2025). How People Use ChatGPT. NBER Working Paper 34255 (nicht begutachtet; mehrere Autoren mit OpenAI verbunden).
- Bush, V. (1945). As We May Think. The Atlantic Monthly, Juli 1945 (elektronische Reproduktion).
- Universität Bielefeld, Fakultät für Soziologie. Niklas-Luhmann-Archiv, Forschungsprojekt „Niklas Luhmann – Theorie als Passion“, Projektbeschreibung (auf Deutsch).
- Forte, T. (2022). Building a Second Brain. Atria Books (nur genannt; Katalogeintrag geprüft, Methode nicht wiedergegeben).
Die Tabellen 1, 3, 4 und 5 sind CEOtudent-Analysen oder redaktionelle CEOtudent-Frameworks; Tabelle 2 gibt Zahlen wie in Camerer et al. (2018) veröffentlicht wieder, mit von CEOtudent nachgerechneten Verhältnissen. Abgeleitete Zahlen (die Luhmann-Durchschnitte, die Summe von 516, die Schrumpfung um 22 %, die Lücke von 0,34, die relativen Zuwächse von 32 % und 49 %, das Stichprobenverhältnis von 3,4 und die Zählung der Aufgabenverteilung) sind CEOtudent-Berechnungen. Bewusst nicht verwendet: die ursprünglichen Effektstärken von Sparrow, Liu und Wegner (in anderen CEOtudent-Beiträgen behandelt), die Metaanalyse zum Übungstesten von Adesope, Trevisan und Sundararajan (2017) (keine frei zugängliche Kopie gefunden) und Prozentwerte zur Vergessenskurve.
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:
