Wer viel mit KI arbeitet, wird besser darin, KI-Outputs zu verfeinern. Gleichzeitig prüft derselbe Nutzer die Ergebnisse immer seltener kritisch. Genau diese Spannung dokumentiert der AI Fluency Index, den Anthropic am 23. Februar 2026 veröffentlichte.
drweb.de als bevorzugte Quelle auf Google hinzufügenQualitätsgeprüfte Inhalte direkt in Google News & DiscoverJetzt hinzufügen
Für die Studie analysierte Anthropic 9.830 anonymisierte Multi-Turn-Gespräche auf Claude.ai aus einer Woche im Januar 2026. Untersucht wurde, welche von 24 Verhaltensweisen, die gute KI-Kollaboration kennzeichnen, tatsächlich im Gesprächsverlauf auftauchen. Das Ergebnis ist zwiespältig: 85,7 Prozent aller Gespräche zeigten Iteration und Verfeinerung. Nutzer bauen auf vorherigen Antworten auf, statt die erste Ausgabe einfach zu übernehmen. Gleichzeitig sanken die sogenannten Discernment Behaviors: Die Bereitschaft, fehlende Kontextinformationen zu identifizieren, fiel um 5,2 Prozentpunkte. Je polierter ein KI-Output wirkte, desto seltener wurde er hinterfragt.
Das Muster hat in der Kognitionspsychologie einen Namen: kognitives Off-Loading. Je mehr Denkarbeit eine externe Quelle übernimmt, desto weniger kognitive Kapazität reserviert das Gehirn für die kritische Einordnung des Ergebnisses. Microsoft und die Carnegie Mellon University kamen parallel zu dem Befund, dass wissensbasierte Arbeitnehmer, die KI regelmäßig einsetzen, deutlich weniger kritisches Denken in ihre Aufgaben investieren als zuvor.
Für Unternehmen ergibt sich daraus eine direkte operative Konsequenz: Wer KI-gestützte Entscheidungen in Prozessen verankert, ohne explizite Prüfschritte einzubauen, riskiert, dass Fehler im KI-Output unbemerkt durch die Organisation wandern. Der DACH-Mittelstand, der KI gerade erst einführt, hat die Chance, diesen Effekt durch Design zu verhindern. Prüf-Checklisten, Review-Gates und eine explizite Widerspruchskultur kosten wenig, schützen aber die kognitive Qualität von Entscheidungen erheblich.
Positiv gewendet zeigt der Fluency Index auch: Wer aktiv mit KI-Outputs interagiert, Nachfragen stellt und Annahmen benennt, profitiert überproportional von der Zusammenarbeit. Die Fähigkeit, ein KI-System produktiv herauszufordern, ist lernbar.
Mehr Newshunger?
