offloading.fragroger.ai

Forschungsstand kognitives Offloading · Stand Oktober 2026

Work WITH AI.
Not BY AI.

KI macht uns schneller. Ob sie uns auch klüger macht, entscheidet die Reihenfolge: Wer denkt zuerst, der Mensch oder die Maschine?

Eine kuratierte Sammlung von Roger Basler de Roca, laufend aktualisiert.

Auf einen Blick

Was passiert

KI steigert die Leistung sofort. Ob die eigene Fähigkeit mitwächst, zeigt sich erst, wenn die KI fehlt.

Was entscheidet

Die Reihenfolge. Wer zuerst eine eigene Position festlegt und die KI danach prüft, verliert ohne KI nichts. Wer KI-Antworten direkt übernimmt, argumentiert danach schwächer.

Was wirkt

Eingebaute Hürden statt guter Vorsätze: Eigenleistung vor der KI, Begründung vor jeder Übernahme.

  1. 1Zuerst selbst denken
  2. 2KI widersprechen lassen
  3. 3Nur übernehmen, was du begründen kannst
Zum How-to →

TEDxSchaan Talk

How small Language Models in AI could reform Education

Das Video wird erst nach dem Klick von YouTube geladen (ohne Cookies, youtube-nocookie.com).

Schneller, nicht klüger

Menschen lagern Denken seit jeher aus. Der Kalender merkt sich Termine, der Taschenrechner rechnet, die Suchmaschine erinnert sich an Fakten. Die Forschung nennt das kognitives Offloading, und es ist eine kluge Strategie: Das Arbeitsgedächtnis ist begrenzt, und was ausgelagert ist, belastet es nicht.

Generative KI verändert die Art der Auslagerung. Frühere Werkzeuge speicherten Information. KI erzeugt das Denkprodukt selbst: das Argument, die Analyse, die Entscheidungsvorlage. Damit wandert genau jene Arbeit nach aussen, an der sich Kompetenz bildet.

Daraus entsteht ein Paradox. Die Leistung mit KI steigt sofort und sichtbar. Die Fähigkeit ohne KI kann gleichzeitig sinken, und das zeigt sich erst später, wenn das Werkzeug fehlt. Kurzfristige Produktivität und langfristige Kompetenz laufen auseinander.

"Offloading ist kein Fehler. Riskant wird es dort, wo der Mensch die Urteilsarbeit abgibt, an der sein Urteilsvermögen entsteht."
Roger Basler de Roca

Wer denkt zuerst? Die Reihenfolge im Experiment

Wähle einen Arbeitsablauf und sieh, wie er sich laut den Studien auf das Ergebnis, die eigenständige Leistung danach und die Erinnerung an die eigene Arbeit auswirkt.

  1. KI

    KI erzeugt

  2. M

    Mensch übernimmt

  3. KI

    KI-Text bleibt

Ergebnis der Aufgabe
ohne KI
Eigenständige Leistung danach, ohne KI
ohne KI
Erinnerung an die eigene Arbeit
ohne KI

Schneller und sichtbar besser. Danach argumentierten diese Personen ohne KI schwächer als die Gruppe ohne KI (−0,38 Punkte), und wer mit LLM schrieb, konnte eigene Texte kaum korrekt zitieren.

Schematische Einordnung, keine Messdaten. Die Balken zeigen Richtungen aus den zitierten Studien, nicht deren Effektgrössen. Effekte sind kurzfristig gemessen, meist innerhalb einer Sitzung.

−0,38

Punkte schwächere eigenständige Argumentation (Skala 1–7), nachdem KI-Texte direkt übernommen wurden. Gemessen ohne KI, 15 bis 20 Minuten später.

Liu et al. 2026 Peer-reviewed n = 659 (900 randomisiert)
Zur Studie

65 % → 41 %

Übernahme fehlerhafter KI-Vorschläge ohne und mit schriftlicher Begründungspflicht.

Tao, Meyer & Kizilcec 2026 Preprint n = 129
Zur Studie

7,5 %

der KI-Gespräche von Studierenden zeigten echten Sparring-Modus.

Cui et al. 2026 Sekundärquelle n = 24 (688 Nachrichten)
Zur Studie

+26–31 pp

Produktivität von IT-Lernenden bei Aufgaben ausserhalb ihrer Ausbildung, mit KI.

Brosch et al. 2026 Discussion Paper n = 673
Zur Studie

Work WITH AI, not BY AI

Die Studien zeigen an drei Stellen, ob KI das Denken erweitert oder ersetzt: bei dem, was der Mensch einbringt, bei der Art, wie er mit der Maschine arbeitet, und bei dem, was er am Ende übernimmt. Daraus ergeben sich drei Kompetenzen, das Drei-Säulen-Modell.

BY AI
WITH AI
Aufgabe einfügen, Antwort übernehmen
Eigene Position zuerst, KI danach
KI liefert die Lösung
KI liefert Widerspruch
Übernehmen, was plausibel klingt
Übernehmen, was sich begründen lässt
Massstab: Wie schnell bin ich fertig?
Massstab: Was kann ich danach ohne KI?

1

Datenkompetenz

Was du hineingibst

Bevor die KI etwas produziert, produzierst du etwas.

In der Praxis

  • Zwei Minuten vor dem Prompt: die eigene Antwort skizzieren, auch wenn sie unvollständig ist.
  • Kriterien notieren: Woran erkenne ich ein gutes Ergebnis?
  • Festlegen, welche Arbeitskategorien an KI gehen und welche bewusst nicht.
  • Gewonnene Zeit reinvestieren: Annahmen hinterfragen, Argumente prüfen.

2

Dialogkompetenz

Wie du mit der Maschine arbeitest

Lass die KI widersprechen, statt sie liefern zu lassen.

In der Praxis

  • Prompts mit GCES strukturieren: Ziel, Kontext, Format, Quelle.
  • Die KI gezielt nach Schwachstellen der eigenen Position fragen.
  • Erklärungen und Begründungen anfordern statt fertiger Lösungen.
  • Zeitdruck als Warnsignal behandeln: Wer unter Druck steht, delegiert mehr, als ihm guttut.

3

Prüfkompetenz

Was du übernimmst

Übernimm nur, was du begründen und ohne Maschine verteidigen kannst.

In der Praxis

  • Jede Übernahme in einem Satz begründen.
  • KI-Output mit HALT prüfen: Herkunft, Auslassung, Logik, Tatsachenkern.
  • Der Test ohne Bildschirm: Könnte ich das Ergebnis in einer Besprechung erklären und verteidigen?
  • Auf Gleichförmigkeit achten: Klingt das Ergebnis wie alles andere?

Für Führungskräfte: Was wirkt, gehört ins System

Die wirksamsten Interventionen in den Experimenten waren keine Appelle, sondern eingebaute Reibung: eine Sperre, die KI erst nach der eigenen Position freigibt, oder eine Pflicht, jede Übernahme zu begründen. Wer sich darauf verlässt, dass Einzelne diszipliniert vorgehen oder dass Jüngere die Älteren coachen, bleibt auf der Ebene des einzelnen Projekts. Prompt-Bibliotheken, Prüfwerkzeuge, klare Einsatzregeln und Lernarrangements entscheiden mit, ob ein Team mit KI arbeitet oder durch sie.

Arbeitest du WITH oder BY AI?

Aussage 1 von 6

Bevor ich KI frage, habe ich eine eigene erste Antwort im Kopf oder auf Papier.

Eine Reflexionshilfe, kein wissenschaftliches Messinstrument. Es werden keine Daten gespeichert.

Evidenzkarte

Alle Studien dieser Sammlung, mit Design, Stichprobe, Befund und Grenzen. Jede Studie trägt ein Status-Label, damit sichtbar bleibt, wie belastbar ein Befund ist.

16 Studien
Peer-reviewedPreprintDiscussion PaperSekundärquelle
  • Peer-reviewed: in einer Fachzeitschrift begutachtet
  • Preprint: öffentlich, noch nicht begutachtet
  • Discussion Paper: Arbeitspapier eines Forschungsinstituts
  • Sekundärquelle: nur über Zusammenfassung Dritter bekannt, Primärstudie nicht eigenständig geprüft

Risiken

Bedingungen

Interventionen, die wirken

Organisation und Berufsbildung

Wie sich die Frage verschoben hat

    2025 · Ob

    Erste Studien messen Defizite: schwächere neuronale Vernetzung beim Schreiben mit KI, Abhängigkeit, eine Angleichung des Denkens. Die Debatte lautet: Schadet KI dem Denken?

    Frühjahr 2026 · Wann

    Studien zeigen, dass die Art der Nutzung zählt. Sparring erhält höhere Denkprozesse, Ersatz verkürzt sie. Halbherzige Nutzung schneidet teils schlechter ab als gar keine KI.

    Herbst 2026 · Wie

    Randomisierte Experimente isolieren die Reihenfolge. Wer zuerst eine eigene Position festlegt und KI danach als Prüfinstanz nutzt, verliert in der anschliessenden Aufgabe ohne KI nichts. Wer KI-Antworten direkt übernimmt, verliert messbar.

    Offen · Wie lange

    Kaum eine Studie misst über Monate, ob die Effekte bleiben. Dort setzt die Forschung zur Berufsbildung an.

Was wir wissen und was nicht

Gut belegt (mit Vorsicht)

  • Die Reihenfolge der Interaktion beeinflusst die unmittelbare eigenständige Leistung. Mehrere randomisierte Studien zeigen das.
  • Eine Begründungspflicht senkt die Übernahme fehlerhafter KI-Vorschläge.
  • KI steigert kurzfristig die Produktivität, auch bei Nachwuchskräften und ausserhalb der eigenen Ausbildung.

Offen

  • Bleiben die Effekte über Monate? Fast alle Experimente messen innerhalb einer Sitzung oder eines Kurses.
  • Welcher Mechanismus wirkt? Selbstgenerierung, Aufwand und Autonomie lassen sich bisher nicht trennen.
  • Gilt das in der Berufsbildung? Die meisten Stichproben stammen aus Hochschulen.
  • Wird KI-gestützte Erweiterung zu eigener Kompetenz, oder bleibt sie geliehen?

Research in Progress

Das Forschungsvorhaben

Roger Basler de Roca untersucht kognitives Offloading dort, wo die Forschung bisher am dünnsten ist: in der beruflichen Aus- und Weiterbildung im DACH-Raum, und mit dem Blick darauf, was von KI-gestützter Leistung langfristig bleibt.

"Wie beeinflusst der Einsatz KI-gestützter Lernsysteme das kognitive Offloading und die langfristige kognitive Kompetenz bei Auszubildenden in der beruflichen Weiterbildung?"

Diese Sammlung wird laufend ergänzt. Hinweise auf neue Studien: mail@rogerbasler.ch

Gedanken von Roger Basler de Roca

"Das grösste Risiko von KI ist nicht, dass sie zu viel kann. Sondern dass wir verlernen, was wir ohne sie konnten."
Roger Basler de Roca
"Wir werden besser im Finden von Informationen, aber schlechter im tatsächlichen Verstehen."
Roger Basler de Roca
"Datenkompetenz, Dialogkompetenz, Prüfkompetenz. Wer diese drei hat, braucht keine Angst vor KI zu haben."
Roger Basler de Roca
"Die beste Frage an eine KI beginnt mit Klarheit über das eigene Ziel."
Roger Basler de Roca
"Wir automatisieren nicht Arbeit. Wir automatisieren Entscheidungen. Und genau da wird es gefährlich."
Roger Basler de Roca
"Führung im KI-Zeitalter heisst nicht, alles zu verstehen. Es heisst, die richtigen Fragen zu stellen und die Antworten einordnen zu können."
Roger Basler de Roca

Fragen und Begriffe

Was ist kognitives Offloading?

Kognitives Offloading ist die Auslagerung mentaler Arbeit an Werkzeuge, Medien oder andere Menschen, um das Arbeitsgedächtnis zu entlasten. Kalender, Taschenrechner und Suchmaschinen sind klassische Beispiele.

Was ist bei generativer KI anders?

Frühere Werkzeuge speicherten Information. Generative KI erzeugt das Denkprodukt selbst: das Argument, die Analyse, die Entscheidungsvorlage. Damit wandert genau jene Arbeit nach aussen, an der sich Kompetenz bildet.

Was ist das Performance Paradox?

Die Leistung mit KI steigt sofort und sichtbar, während die Fähigkeit ohne KI gleichzeitig sinken kann. Das zeigt sich erst später, wenn das Werkzeug fehlt.

Macht KI uns dümmer?

Die Forschung fragt inzwischen weniger ob, sondern wie. Entscheidend ist die Reihenfolge: Wer zuerst eine eigene Position festlegt und KI danach als Prüfinstanz nutzt, verliert in der anschliessenden Aufgabe ohne KI nichts. Wer KI-Antworten direkt übernimmt, verliert messbar.

Was bedeutet "Work WITH AI, not BY AI"?

Mit KI arbeiten heisst: eigene Position zuerst, KI liefert Widerspruch statt Lösungen, und übernommen wird nur, was sich begründen lässt. Der Massstab ist, was man danach ohne KI kann.

Was ist das Drei-Säulen-Modell?

Es beschreibt drei Kompetenzen: Datenkompetenz (was du hineingibst), Dialogkompetenz (wie du mit der Maschine arbeitest) und Prüfkompetenz (was du übernimmst).

Was können Führungskräfte tun?

Die wirksamsten Interventionen in den Experimenten waren eingebaute Reibung statt Appelle: etwa eine Sperre, die KI erst nach der eigenen Position freigibt, oder eine Pflicht, jede Übernahme zu begründen.

Ist der Selbstcheck wissenschaftlich validiert?

Nein. Der Selbstcheck ist eine Reflexionshilfe, kein wissenschaftliches Messinstrument. Er läuft lokal im Browser, und es werden keine Daten gespeichert.

Was ist noch offen?

Kaum eine Studie misst über Monate, ob die Effekte bleiben. Offen ist auch, welcher Mechanismus wirkt und ob die Befunde in der Berufsbildung gelten, da die meisten Stichproben aus Hochschulen stammen.

Über

Roger Basler de Roca ist KI-Berater, Keynote Speaker, Autor von über 14 Büchern und Doktorand zum Thema kognitives Offloading. Er lehrt an der HWZ, ZHAW, FHNW und der Universidad de Oviedo.

fragroger.ailinkedin.com/in/rogerbaslermail@rogerbasler.chBuch: Prompted Minds

Quellen

APA 7, alphabetisch.

  1. Benedek, M., & Sziklai, B. R. (2025). Impact of AI tools on learning outcomes: Decreasing knowledge and over-reliance. arXiv. https://doi.org/10.48550/arXiv.2510.16019 Preprint
  2. Bjork, E. L., & Bjork, R. A. (2011). Making things hard on yourself, but in a good way: Creating desirable difficulties to enhance learning. In M. A. Gernsbacher, R. W. Pew, L. M. Hough, & J. R. Pomerantz (Eds.), Psychology and the real world (pp. 56–64). Worth Publishers. Grundlagen
  3. Brosch, H., Langer, C., Lergetporer, P., Mueller, S., Pfeifer, H., & Tschoepe, N. (2026). Task expansion with generative AI: Experimental evidence on middle-skilled, early-career workers (IZA Discussion Paper No. 18999). IZA. https://docs.iza.org/dp18999.pdf Discussion Paper
  4. Education International. (2026, 26. Juni). Artificial intelligence, cognitive offloading and implications for education. https://www.ei-ie.org/en/item/32652 Sekundärquelle Sekundärquelle für Lodge & Loble
  5. Eliav, N. (2026). The cognitive divergence: AI context windows, human attention decline, and the delegation feedback loop. arXiv. https://arxiv.org/abs/2603.26707 Preprint
  6. Favero, L., Pérez-Ortiz, J. A., Käser, T., & Oliver, N. (2026). AI in education beyond learning outcomes: Cognition, agency, emotion, and ethics. arXiv. https://arxiv.org/abs/2602.04598 Preprint
  7. Hardman, P. (2026, 7. August). How to design around cognitive offloading. Dr Phil's Newsletter. https://drphilippahardman.substack.com/p/how-to-design-around-cognitive-offloading Sekundärquelle Sekundärquelle für Cui et al., Ates, Strömberg, Dai & Chan
  8. Hutchins, E. (1995). Cognition in the wild. MIT Press. Grundlagen
  9. Kellogg, K. C., Lifshitz, H., Randazzo, S., Mollick, E., Dell'Acqua, F., McFowland III, E., Candelon, F., & Lakhani, K. R. (2025). Novice risk work: How juniors coaching seniors on emerging technologies such as generative AI can lead to learning failures. Information and Organization, 35(1), 100559. https://doi.org/10.1016/j.infoandorg.2025.100559 Peer-reviewed
  10. Kosmyna, N., Hauptmann, E., Yuan, Y. T., Situ, J., Liao, X.-H., Beresnitzky, A. V., Braunstein, I., & Maes, P. (2025). Your brain on ChatGPT: Accumulation of cognitive debt when using an AI assistant for essay writing task. arXiv. https://arxiv.org/abs/2506.08872 Preprint
  11. Liu, C., Guo, J., Gao, R., Chen, X., Zhu, Q., & Chang, P. (2026). Borrowed or kept? How self-generation-first and direct-adoption AI workflows shape immediate unaided reasoning. Frontiers in Psychology, 17, 1910545. https://doi.org/10.3389/fpsyg.2026.1910545 Peer-reviewed
  12. Risko, E. F., & Gilbert, S. J. (2016). Cognitive offloading. Trends in Cognitive Sciences, 20(9), 676–688. https://doi.org/10.1016/j.tics.2016.07.002 Grundlagen
  13. Shen, J. H., & Tamkin, A. (2026). How AI impacts skill formation. arXiv. https://arxiv.org/abs/2601.20245 Preprint
  14. Singh, A., Brooks, C., Li, W., Kim, J., & Wang, X. (2026). Hint-writing with deferred AI assistance: Fostering critical engagement in data science education. arXiv. https://arxiv.org/abs/2604.19931 Preprint
  15. Slamecka, N. J., & Graf, P. (1978). The generation effect: Delineation of a phenomenon. Journal of Experimental Psychology: Human Learning and Memory, 4(6), 592–604. https://doi.org/10.1037/0278-7393.4.6.592 Grundlagen
  16. Sourati, Z., Ziabari, A. S., & Dehghani, M. (2026). The homogenizing effect of large language models on human expression and thought. Trends in Cognitive Sciences. https://doi.org/10.1016/j.tics.2026.01.003 Peer-reviewed
  17. Sparrow, B., Liu, J., & Wegner, D. M. (2011). Google effects on memory: Cognitive consequences of having information at our fingertips. Science, 333(6043), 776–778. https://doi.org/10.1126/science.1207745 Grundlagen
  18. Sweller, J. (1988). Cognitive load during problem solving: Effects on learning. Cognitive Science, 12(2), 257–285. https://doi.org/10.1207/s15516709cog1202_4 Grundlagen
  19. Tao, Y., Meyer, J., & Kizilcec, R. F. (2026). Think before you accept: Can written justification reduce uncritical uptake of AI writing suggestions? arXiv. https://arxiv.org/abs/2609.23936 Preprint
  20. Wang, S., & Zhang, H. (2026). Pedagogical partnerships with generative AI in higher education: How dual cognitive pathways paradoxically enable transformative learning. International Journal of Educational Technology in Higher Education. https://doi.org/10.1186/s41239-026-00585-x Peer-reviewed

Stand: Oktober 2026