Maschinen wie wir
Notiz zu meinem Beitrag über KI und organisationales Lernen: Der eigentliche Hebel ist nicht die Technik, sondern die Kooperation zwischen Mensch und Maschine. Vier Stufen beschreiben, wie tief diese Lernsynthese reicht.
KI verändert das organisationale Lernen nicht, indem sie Menschen ersetzt, sondern indem sie mit ihnen kooperativ lernt. Ich nenne das konnektionistisches Lernen: Wie im neuronalen Netz entsteht die Intelligenz des Gesamtsystems aus verteilten, vernetzten Lernaktivitäten. Wie tief diese Mensch-Maschine-Synthese reicht, beschreibt eine Typologie mit vier Stufen — entlang der Lernmodalität (passiv/aktiv) und des Grades der Problemlösung (repetitiv/komplex): Einfache Unterstützer, Ergänzende Assistenten, Intelligente Partner und Eigenständige Entwickler. Die Organisation selbst wird so zu einem lernenden, sich verdichtenden Informationsverarbeitungssystem.
Franz Schuberts „Unvollendete” ist bis heute ein Rätsel — eine Sinfonie, die er nie zu Ende brachte. 2019 ließ das Technologieunternehmen Huawei sie von einer künstlichen Intelligenz vollenden, die auf einem Smartphone-Chip lief. Das Bemerkenswerte war nicht die Maschine allein, sondern die Arbeitsteilung: Ein künstliches neuronales Netz analysierte die Schlüsselelemente und entwickelte neue melodische Vorschläge — ein Mensch fügte die Versatzstücke zum Gesamtwerk. Genau diese Kooperation ist der Kern dessen, was KI mit dem Lernen in Organisationen macht.
Konnektionistisches Lernen als neuer Imperativ
Der Begriff Konnektionismus stammt aus den Kognitionswissenschaften und der Systemtheorie. Er beschreibt, wie durch verteilte Signalaktivitäten in komplexen, miteinander verbundenen Netzwerkstrukturen — „parallel distributed processing” — das intelligente Verhalten des Gesamtsystems entsteht. Auf Organisationen übertragen heißt das: Mensch und Algorithmus kooperieren in einem gemeinsamen Lernprozess und erzeugen neues Wissen in der konkreten Situation. Lernen ist dann kein Transfer von oben, sondern eine Synthese im Netz.
Die Organisation als Informationsverarbeitungssystem
Schon Herbert Simon hat 1969 die entscheidende Pointe formuliert: In einer informationsreichen Welt ist nicht die Information knapp, sondern die Aufmerksamkeit, sie aufzunehmen. „In an information-rich world … most of the cost of information is the cost incurred by the recipient.” Maschinen können hier die Rolle der Informationsverdichtung übernehmen — sie senken die Aufmerksamkeitskosten der Menschen und erhöhen die Geschwindigkeit, mit der eine Organisation lernt. Aus betriebswirtschaftlicher Sicht steigt damit die Lernfähigkeit, während die Kosten der Problemlösung sinken.
Nicht die beste Technologie verändert das Lernen — sondern wie tief Mensch und Maschine im Lernen verschmelzen.
Vier Stufen der Lernsynthese
Um die Wirkung der KI ganzheitlich zu fassen, genügt es nicht, die Technologielandschaft zu beschreiben. Man muss die Kooperation verstehen. Dazu spannt das Modell zwei Dimensionen auf: die Lernmodalität (passiv oder aktiv gestaltet) und den Grad der Problemlösung (repetitiv oder komplex). Daraus ergeben sich vier Szenarien der konnektionistischen Lernsynthese, bewertet nach dem Grad menschenähnlicher Lernfähigkeit der KI.
Die Einfachen Unterstützer (passiv, repetitiv) sind Maschinen mit begrenztem Speicher, die aus historischen Daten lernen und Entscheidungen treffen. Die Ergänzenden Assistenten (aktiv, repetitiv) führen mit menschlichem Wissen autonom jene Problemlösungen aus, für die sie programmiert sind. Intelligente Partner (passiv, komplex) verfügen über singuläre, aber überragende Fähigkeiten — sie erkennen Bedürfnisse, Emotionen, Überzeugungen. Und die Eigenständigen Entwickler (aktiv, komplex) besitzen eine nahezu unbegrenzte Lernfähigkeit, die über die menschliche hinausreicht: Wahrnehmung, Verständnis, Kognition. Je höher die Stufe, desto menschenähnlicher die Lernfunktion, die die KI im Prozess übernimmt.
Das Ende mancher klassischer Lernform
Wenn Lernen so konnektionistisch und arbeitsintegriert wird, verlieren manche klassische Formate an Bedeutung — das reine Seminar etwa. An ihre Stelle treten Lernumgebungen, in denen Mensch und Maschine gemeinsam Probleme lösen und die Organisation dabei selbst klüger und schneller wird. Das ist kein Argument gegen Bildung, sondern für eine neue Architektur des Lernens: eine, die die Maschine nicht als Werkzeug behandelt, sondern als Partnerin im Lernprozess.
Häufige Fragen
Heißt „Maschinen wie wir", dass KI den Menschen ersetzt? Nein. Der Titel spielt auf die Lernsynthese an: KI übernimmt zunehmend menschenähnliche Lernfunktionen, aber der Wert entsteht in der Kooperation. Erst die höchste Stufe nähert sich menschlicher Lernfähigkeit — und auch dort bleibt der Mensch der, der Bedeutung und Verantwortung trägt.
Wie nutzt man das Modell praktisch? Als Landkarte: Welche Lernaufgaben sind repetitiv, welche komplex? Wo soll die KI passiv unterstützen, wo aktiv mitgestalten? Daraus ergibt sich, welche Stufe der Lernsynthese für eine Organisation angemessen ist — und welche Kompetenzen die Menschen dafür brauchen.