Autor: Manfred Hofferer & Team Bildungspartner Österreich, © BPÖ 2026

Die Integration generativer künstlicher Intelligenz (KI) in Bildungs- und Arbeitskontexte wird seit der Veröffentlichung von ChatGPT zum größten Teil unter dem Aspekt der Effizienzsteigerung diskutiert. In der Erwachsenenbildung, die unter Zeitdruck und ökonomischen Zwängen steht, erscheint ein Werkzeug, das Schreib- und Analyseprozesse beschleunigt, zunächst als großer Gewinn. Aber nicht alles, was scheint ist auch so.

Eine aktuelle Untersuchung des MIT Media Lab (Your Brain on ChatGPT, Preprint Juni 2025 von Kosmyna et al. 2025) wirft einen kritischen Schatten auf diese Euphorie. Die Studie legt nahe, dass die Auslagerung kognitiver Prozesse an Large Language Models nicht nur die Arbeitsweise verändert, sondern messbare Auswirkungen auf die neuronale Aktivität und den langfristigen Lernerfolg hat. Daher stellt sich die fundamentale Frage: Findet Lernen noch statt, wenn die Anstrengung entfällt?

In diesem Nachdenktext werden die neurologischen und pädagogischen Befunde der Studie betrachtet und es werden die Konsequenzen für die Didaktik der Erwachsenenbildung herausgearbeitet. Der Fokus liegt dabei auf einer guten Balance zwischen technologischer Unterstützung und notwendiger kognitiver Aktivierung.

Die Studie: Methodik und neuronale Messung

Im Kern der Untersuchung stand die Frage, wie sich das menschliche Gehirn verhält, wenn es bei komplexen Schreibaufgaben durch KI unterstützt wird, im Vergleich zur Nutzung herkömmlicher Suchmaschinen oder dem gänzlichen Verzicht auf digitale Hilfsmittel. Dazu wurden 54 Probanden in einem kontrollierten Experiment über mehrere Sitzungen hinweg beobachtet. Die methodische Besonderheit lag in der Nutzung von Elektroenzephalografie (EEG), um die Gehirnaktivität in Echtzeit zu visualisieren und quantifizierbare Daten zur sogenannten "kognitiven Last" (Cognitive Load) zu erheben. Die Teilnehmenden wurden in drei Gruppen unterteilt:

• Eine Gruppe nutzte ChatGPT (LLM-Gruppe),
• eine weitere nutzte Google (Suchmaschinen-Gruppe) und
• die dritte arbeitete ohne digitale Hilfsmittel ("Brain-only"-Gruppe).

Über einen Zeitraum von vier Monaten mussten diverse Essays und Analysen verfasst werden. In einer finalen vierten Sitzung wurde ein Methodenwechsel (Crossover) erzwungen, bei dem beispielsweise KI-Nutzende auf ihre gewohnten Hilfsmittel verzichten mussten.

Diese Anordnung erlaubte es den Forschenden, nicht nur das Endprodukt (den Text) zu bewerten, sondern den Prozess der Erstellung neurophysiologisch zu kartieren. Die Ergebnisse weisen darauf hin, dass die Nutzung von LLMs fundamental andere Hirnareale und Verarbeitungsmechanismen anspricht als das eigenständige Erarbeiten von Inhalten.

Neurophysiologische Befunde: Wenn das Gehirn in den Ruhemodus geht

Das mit Sicherheit signifikanteste Ergebnis der Studie betrifft die neuronale Kopplung und die Aktivierungsdichte im Gehirn. Bei der "Brain-only"-Gruppe, die Aufgaben ohne digitale Assistenz löste, konnte eine weitreichende und starke neuronale Vernetzung beobachtet werden. Das Gehirn musste Informationen abrufen, strukturieren, formulieren und kritisch prüfen, ein Prozess, der eine hohe kognitive Last erzeugt und somit neuronale Bahnen stärkt.

Im Gegensatz dazu zeigte die LLM-Gruppe eine signifikant schwächere neuronale Kopplung. Die EEG-Daten deuteten auf eine geringere kognitive Anstrengung hin. Das Gehirn scheint beim Einsatz von KI in einen Modus des "Überwachens" statt des "Erzeugens" zu schalten. Das korreliert mit der Theorie des "Cognitive Offloading": D.h., dass das Gehirn Energie spart, indem es rechenintensive Prozesse an externe Werkzeuge auslagert. Was im Arbeitsalltag zur Ressourcenschonung durchaus sinnvoll sein kann, erweist sich im Lernkontext als kontraproduktiv. Lernen ist physiologisch betrachtet die aktive Anpassung neuronaler Strukturen durch Anstrengung. Entfällt die Anstrengung, bleibt der neuronale Umbau, und damit der Lernerfolg, aus.

Besonders auffällig war die Unterforderung der Alpha- und Beta-Netzwerke bei den KI-Nutzenden. Diese Frequenzen sind eng mit Aufmerksamkeit, Gedächtnisabruf und vor allem der Verarbeitung komplexer Informationen verbunden. Die Reduktion der Aktivität in diesen Bereichen lässt darauf schließen, dass die tiefere semantische Auseinandersetzung mit dem Thema durch die KI-Nutzung umgangen wurde.

Das Paradox der Eigentümerschaft und Retention

Ein weiteres zentrales Ergebnis betrifft die psychologische Ebene des Lernens, spezifisch das Gefühl der Urheberschaft ("Ownership") und die Behaltensleistung ("Retention"). Teilnehmende der LLM-Gruppe fühlten sich deutlich weniger als Eigentümerinnen und Eigentümer der produzierten Texte. Dieses Phänomen hat direkte Auswirkungen auf das Gedächtnis. Wer einen Text selbst formuliert, muss jeden Satz logisch durchdringen. Wer einen Text generieren lässt, überfliegt das Ergebnis oft nur i Hinblick auf seine Plausibilität.

Die Studie zeigte, dass die LLM-Gruppe Inhalte schlechter reproduzieren konnte und Zitate aus den eigenen Arbeiten weniger präzise erinnerte. Über den Zeitraum von vier Monaten vergrößerte sich der Leistungsabstand zwischen der "Brain-only"-Gruppe und der LLM-Gruppe. Während erstere ihre Kompetenzen im Schreiben und Strukturieren kontinuierlich verbesserte, stagnierte die Kompetenzentwicklung bei der KI-Gruppe oder war rückläufig. Das bestätigt eine alte didaktische Binsenweisheit: Man lernt das, was man tut. Wer schreiben lässt, lernt nicht schreiben, sondern redigieren.

Abhängigkeitseffekte und Methodenkompetenz

Die vierte Sitzung des Experiments, in der die Arbeitsmodi getauscht wurden, offenbarte interessante Abhängigkeitseffekte. Die Gruppe, die zuvor ausschließlich mit KI gearbeitet hatte, zeigte beim Wegfall des Tools massive Schwierigkeiten, die geforderte kognitive Leistung zu erbringen. Die neuronalen Muster deuteten auf Stress und Überforderung hin, da die notwendigen kognitiven Routinen für das eigenständige Schreiben nicht trainiert worden waren.

Umgekehrt zeigte sich bei der anderen Gruppe auch ein anderes Bild: Die "Brain-only"-Gruppe konnte sich relativ problemlos auf die Nutzung der KI einstellen. Mehr noch: Ihre visuelle Verarbeitung und Gedächtnisleistung wurden bei der Hinzunahme der KI sogar besser aktiviert als bei der ursprünglichen KI-Gruppe. Daraus lässt sich ableiten, dass solide Grundkompetenzen die Voraussetzung für einen kompetenten Umgang mit KI sind ("Bottom-Up"-Ansatz). Das bedeutet konkret, wer das Handwerk beherrscht, nutzt die KI als Werkzeug zur Potenzierung der Leistung. Wer die Grundlagen nicht beherrscht, nutzt die KI als Kompensation für fehlende Kenntnis, Fertigkeit und Kompetenz, was zu einer gefährlichen Abhängigkeit führt.

Implikationen für die Erwachsenenbildung

Für die Erwachsenenbildung und die betriebliche Weiterbildung ergeben sich aus diesen Befunden weitreichende Konsequenzen. Das Ziel der Erwachsenenbildung ist ausgewiesener Maßen der nachhaltige Fertigkeits- und Kompetenzerwerb und damit in Verbindung der Transfer in die Praxis. Wenn jedoch Effizienztools wie ChatGPT diesen Kompetenzerwerb auf neuronaler Ebene untergraben, muss die Didaktik gegensteuern. In jedem Fall entsteht ein Spannungsfeld zwischen der beruflichen Realität, in der Ergebnisse schnell vorliegen müssen, und der Lernsituation, die Zeit und Anstrengung erfordert.

Das Konzept der "Desirable Difficulties" (wünschenswerte Erschwernisse) gewinnt hier Bestätigung und neue Relevanz. Bildungsangebote dürfen den Weg zur Lösung nicht so einfach wie möglich gestalten, sondern müssen künstliche Hürden einbauen, die das Gehirn zur Auseinandersetzung zwingen. Wenn die Produktion von Texten und Inhalten durch KI trivialisiert wird, muss der Schwerpunkt der Bildung auf Prozessanalyse, Kritik und Synthese verlagert werden.

Damit kein Missverständnis aufkommt: Es ist nicht zielführend, KI in der Erwachsenenbildung zu verbieten, das würde an der Lebensrealität der Teilnehmenden vorbeigehen. Stattdessen muss der Einsatz strategisch so angelegt und gesteuert werden, dass er erst nach einer Phase der kognitiven Aktivierung erfolgt oder gezielt für Aufgaben genutzt wird, die eine hohe analytische Leistung erfordern (bspw. Fehlersuche in KI-Texten).

Didaktische Neuausrichtung: Prozess vor Produkt

In jedem Fall verliert die traditionelle Bewertung von Lernergebnissen (z.B. eine fertige schriftliche Arbeit) an Validität. Da die Endprodukte maschinell erstellt sein könnten, sagt es wenig bis gar nichts über den Lernstand der Verfassenden aus. Der Fokus muss sich daher auf den Prozess und die Metakognition verschieben. D.h., dass Lernende begründen können müssen, warum sie bestimmte Entscheidungen getroffen haben, warum sie einen KI-Vorschlag angenommen oder abgelehnt haben und wie sie die Fakten verifiziert haben.

Zudem ist laufende Aufklärung notwendig. Zwar sind erwachsene Lernende autonom und entscheiden selbst über ihren Lernweg aber dennoch müssen ihnen die Ergebnisse der MIT-Studie transparent kommuniziert werden, um ein Bewusstsein dafür zu schaffen, dass "Bequemlichkeit" im Lernprozess fast gleichbedeutend mit "Ineffektivität" ist. Nur wer versteht, dass neuronale Vernetzung Anstrengung voraussetzt, wird bereit sein, zeitweise auf die "magische Bequemlichkeitstaste" zu verzichten.

4 Praxisbeispiele

Um den beschriebenen Effekten des "Cognitive Offloading" entgegenzuwirken und dennoch zeitgemäße Medienkompetenz zu vermitteln, bieten sich folgende didaktische Szenarien an:

1. Das Sandwich-Prinzip (Mensch-KI-Mensch): In Bildungsmaßnahmen wird strikt darauf geachtet, dass die erste Phase der Ideenfindung und Strukturierung analog oder zumindest ohne KI-Zugang erfolgt ("Brain-first"). Die Teilnehmenden erstellen Thesenpapiere oder Gliederungen basierend auf ihrem Vorwissen. Erst in einem nachfolgenden zweiten Schritt wird KI genutzt, um diese Entwürfe kritisch zu hinterfragen und/oder zu ergänzen. Im dritten Schritt müssen die Lernenden die KI-Ergebnisse bewerten und in ihr eigenes Konzept integrieren. Das sichert die neuronale "Voraktivierung".
   
   
2. Rollenwechsel: Von Autorinnen und Autoren zum Lektorinnen und Lektoren: Anstatt Teilnehmende Texte zu einem Fachthema schreiben zu lassen, wird die Aufgabe umgekehrt: Die KI generiert einen Text zu einem komplexen Sachverhalt (der von den Lehrenden ggf. so gepromptet wurde, dass er subtile Fehler oder Lücken enthält). Die Aufgabe der Lernenden ist es, diesen Text auf seine Faktentauglichkeit zu checken, stilistisch zu schärfen und argumentative Schwächen zu identifizieren. Das fördert kritisches Denken und erfordert eine höhere kognitive Last als die bloße Generierung.
   
   
3. Mündliche Verteidigung statt schriftlicher Abgabe: Bei Abschlussarbeiten oder Projektberichten wird das Gewicht der Bewertung von der schriftlichen Ausarbeitung auf die mündliche Verteidigung oder Präsentation verlagert. Fragen wie "Welche Alternative hat die KI für diesen Abschnitt vorgeschlagen und warum wurde diese verworfen?" zwingen die Lernenden dazu, sich tiefgehend mit dem Inhalt auseinanderzusetzen und echte "Ownership" für die Inhalte zu übernehmen, auch wenn KI als Hilfsmittel genutzt wurde.
   
   
4. Kompetenzaufbau "Bottom-Up": In Sprachkursen oder technischen Schulungen aber auch in Ausbildungen wie bspw. Erwachsenenbildung werden KI-Tools in den ersten Modulen gesperrt. Erst wenn ein gewisses Basisniveau an Vokabular oder Syntaxverständnis bzw. fachlicher Begrifflichkeit gegeben und nachgewiesen ist, werden die Tools eingeführt und freigegeben. Das verhindert die in der Studie beobachtete Abhängigkeit und stellt sicher, dass die KI später als Effizienzwerkzeug und nicht als Ersatz für fehlendes Grundverständnis genutzt wird.

Passende Hörbeiträge zum Thema:

• Gehirn & KI. Lernen unter KI-Einfluss - Eine Analyse

• KI und LLMs: Was ist los in Österreich? Wie ist der Stand der Dinge?

Wenn Interesse und Bedarf bestehen, unterstützen wir dich zu diesem Thema gerne auch in unseren Bildungsangeboten. Reden wir darüber! Unsere aktuellen Bildungsangebote:

• Train the Trainer:in
• Soft Skill Trainer:in
• Outdoorpädagogik 
• Bildungsbike-Trainer:in
• Ausbildung Bildungsbiken

HINWEIS: Für die sprachliche Glättung und stilistische Vereinfachung dieses Beitrags wurden KI-basierte Tools (ChatGPT 5, Gemini 2.5 Pro, Copilot) unterstützend eingesetzt. Alle inhaltlichen Aussagen und Schlussfolgerungen wurden von den Autor: innen ausgewählt und geprüft. KI hatte keine Rolle bei der inhaltlichen Generierung oder Bewertung der Informations- und Forschungslage.